HierAttn

Hierattn: lesões de pele profundamente supervisionadas diagnóstico com atenção de estágio e ramo

Diagnóstico de lesões de pele profundamente supervisionado com atenção e atenção
Wei Dai, Rui Liu, Tianyi Wu, Min Wang, Jianqin Yin, Jun Liu
Aceito em IEEE JBHI, 2023. [Arxiv] [Paper]

Instalação

Consulte o Install.MD para obter instruções de instalação.

Avaliação e treinamento de referência

Consulte o data.md para preparar o conjunto de dados.

Usamos o Learning Transfer Learning para inicializar parcialmente os pesos ajustáveis ​​dos modelos Hierattn e SOTA. Consulte o Premodel.md para download de modelos pré -terenciado.

Classificação de lesões cutâneas no conjunto de dados de dermoscopia

IHISIC20000 VAL	# Parâmetros/m	TOP 1 precisão/%↑
MobileNetv2	2.23	93.45
MobileVit_s	4.94	94.72
MobileNetv3_Large	4.21	94.77
Shufflenetv2_1 ×	2.28	95.23
MnasNet1.0	3.11	95.45
EficienteNET_B0	4.02	95.48
Hierattn_xs (nosso)	1.08	96.15
Hierattn_s (nosso)	2.14	96.70

Classificação de lesões cutâneas no conjunto de dados de smartphone

Ihpad3000 val	# Parâmetros/m	TOP 1 precisão/%↑
MobileNetv2	2.23	87.44
Shufflenetv2_1 ×	2.28	87,89
MobileVit_s	4.94	88.22
MobileNetv3_Large	4.21	88.78
EficienteNET_B0	4.02	90.22
MnasNet1.0	3.11	90.33
Hierattn_xs (nosso)	1.08	90.11
Hierattn_s (nosso)	2.13	91.22

Citação

Se você achar útil em sua pesquisa, considere citar nosso artigo da seguinte maneira:

 @ARTICLE{10230242,
  author={Dai, Wei and Liu, Rui and Wu, Tianyi and Wang, Min and Yin, Jianqin and Liu, Jun},
  journal={IEEE Journal of Biomedical and Health Informatics}, 
  title={Deeply Supervised Skin Lesions Diagnosis With Stage and Branch Attention}, 
  year={2024},
  volume={28},
  number={2},
  pages={719-729},
  keywords={Skin;Lesions;Feature extraction;Convolution;Transformers;Training;Computational modeling;Attention;deep supervision;disease classification;skin lesion;vision transformer},
  doi={10.1109/JBHI.2023.3308697}}

Reconhecimento

Muito obrigado aos autores do ML-CVNets por sua ótima estrutura!