跳到主要内容
检索

# 皮肤病变分类

1 篇关联报道

订阅更新
  1. Research Square

    TLANet 用三层卷积加通道空间注意力,在 ISIC 2016 上报告约 88.3% 准确率、在 ISIC 2018 上报告宏 F1 约 0.681

    该研究提出 TLANet——一个由三个卷积特征提取块、通道空间注意力、全局平均池化和任务专用分类头组成的三层注意力增强 CNN,并在两个独立 ISIC 任务上评估:ISIC 2016 的二分类良性/恶性(900 张训练 / 379 张测试图像)报告准确率约 88.3%,ISIC 2018/HAM10000 的七类诊断(10,015 张图像)报告宏 F1 约 0.681,同时配有标准化预处理、数据增强、与无注意力 CNN、ResNet、EfficientNet、MobileNet 的基线比较、消融实验和完整指标组。

已读完全部报道