利用胶囊网络和图神经网络进行皮肤癌诊断的空间和语义特征提取

Mar, 2024

利用胶囊网络和图神经网络进行皮肤癌诊断的空间和语义特征提取

Leveraging Spatial and Semantic Feature Extraction for Skin Cancer Diagnosis with Capsule Networks and Graph Neural Networks

PDF

K. P. Santoso, R. V. H. Ginardi, R. A. Sastrowardoyo, F. A. Madany

TL;DR肤损图像分类中，复杂的空间和语义特征对传统基于卷积神经网络（CNN）的方法提出了挑战。本研究通过将图神经网络（GNNs）与胶囊网络相结合，提出了一种创新方法以增强分类性能，研究集中在评估和改进 Tiny Pyramid ViG 架构，并将其与胶囊网络相结合，结果表明该方法在克服皮肤损伤分类的潜在挑战方面具有潜力，并推动了皮肤科基于图像的诊断的发展。

Abstract

In the realm of skin lesion image classification, the intricate spatial and semantic features pose significant challenges for conventional Convolutional Neural Network (CNN)-based methodologies. These challenges are compounded by the imbalanced nature of skin lesion datasets, which ham

skin lesion image classification convolutional neural network graph neural networks capsule networks tiny pyramid vig

发现论文，激发创造

紧凑而强大：利用图神经网络和边缘卷积进行医学图像分类

我们研究了基于图神经网络的医学图像分类的潜力。我们提出了一种将图神经网络与边缘卷积相结合的新模型，利用 RGB 通道特征值的相互连接来强烈表示关键图节点之间的联系。我们的模型在 MedMNIST 数据集的分类中表现出色，并与现有的深度神经网络相比，参数少 1000 倍，训练时间和数据需求减少。我们的结果鼓励进一步探索医学影像领域中的其他图神经网络模型。

Jul, 2023

图范囊卷积神经网络

本文提出了一种名为 Graph Capsule Network (GCAPS-CNN) 的模型，通过使用胶囊网络的思想对 GCNN 模型的一些基本缺陷进行了改进，并将其应用于解决当前 GCNN 模型在图分类问题上面临的挑战，实验结果表明，GCAPS-CNN 模型可以显著地提高图分类基准数据集上的性能。

May, 2018

胶囊网络应对医学图像数据挑战

比较 Capsule 网络和卷积神经网络（ConvNets），评估其在医学影像分析中使用少量标注数据和不平衡分类数据的表现，发现 Capsule 网络可以用较少的数据实现相同或更好的性能，并且更具有鲁棒性，非常有前景。

Jul, 2018

基于视觉转换的皮肤病生成与分类

本文提出了一个新的多类预测框架，基于 ViT 和 ViTGAN，在使用可解释 AI 的情况下，对皮肤病变分类。该框架分四个阶段，引入了生成对抗网络来解决类不平衡问题，使用卷积神经网络实现分类，实验结果相较于现有框架有所改善。

Feb, 2023

胶囊网络在复杂数据上的性能

本文介绍了卷积神经网络的两个不足之处：不能考虑特征之间的重要空间关系和缺乏旋转不变性。为了解决这个问题，Hinton 等人提出了一种新型神经网络 —— 胶囊网络，该网络采用动态路由和重构正则化技术，具有旋转不变性和空间感知能力。在 MNIST 数据集上进行测试，胶囊网络的测试错误率为 0.25％，优于以前 0.39％的基准。同时，我们还尝试找到最佳配置组合，以在 CIFAR10 数据集上获得最佳测试结果。

Dec, 2017

利用胶囊网络的生成对抗网络架构进行图像合成

本文提出使用胶囊网络作为图像合成的生成对抗网络体系结构，与使用卷积神经网络的现有体系结构相比，我们提出的 GAN 结构可以更快地学习数据流形，并在更少的训练样本和训练时期中合成视觉精度更高的图像。

Jun, 2018

面向多标签分类的上下文感知胶囊网络

我们提出了一种改进的胶囊网络架构，包括新的路由权重初始化技术、利用条件随机场利用主要胶囊激活之间的语义关系的改进 CapsNet 设计和基于 Cholesky 变换的相关模块，为多标签分类任务提供了更好的可扩展性。

Oct, 2018

基于胶囊网络的脑肿瘤类型分类

本论文通过采用 Capsules 网络结构，解决了医学图像数据如 MRI 图像的处理问题，同时优化了神经网络的结构以提高大脑肿瘤分类问题的准确性，并解决过拟合问题。

Feb, 2018

基于 VGG16 和 VGG19 的迁移学习模型用于皮肤癌诊断

皮肤癌是世界上最危险和最常见的癌症之一，本文使用深度卷积神经网络和迁移学习方法对皮肤病变进行自动分类，证明了在已有预训练神经网络的基础上的合理设计和应用可以显著提高病变检测的分类准确率。

Apr, 2024

子空间胶囊网络

本文介绍了一种新型的神经网络模型：SubSpace Capsule Network (SCN)，它使用胶囊网络的思想来模拟实体的外观变化和属性，通过一组胶囊子空间实现，有效地解决了传统卷积神经网络无法获取不同部分之间空间关系层级的缺陷，并且在生成对抗网络（GAN）框架下的监督 / 半监督图像分类和高分辨率图像生成任务的实验中取得了明显的性能提升。

Feb, 2020