skin cancer | BriefGPT - AI 论文速递

关键词skin cancer

搜索结果 - 34

SkinSAM：采用任意分割模型强化皮肤癌分割
本研究基于 HAM10000 数据集，提出 SkinSAM 模型实现皮肤癌图像自动分割，最终模型准确度较高，证明了将该模型应用于医学图像分割任务的巨大潜力。
PDFa year ago
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。
PDFa year ago
AAAI基于迁移学习技术的黑素瘤分类比较分析
使用深度卷积神经网络进行皮肤癌的早期检测和分类，有助于减少高昂的医疗费用并提升治疗效果。
PDF2 years ago
从相邻染色组织中学习黑色素细胞掩膜
本文提出了使用深度神经网络实现黑色素细胞分割的方法，以解决由病理学家不一致性引起的黑色素瘤诊断的问题。通过使用免疫组化切片进行训练，最终得到了可靠的结果。
PDF2 years ago
面向非黑色素皮肤癌高度表现力的机器学习模型
采用离散建模技术应用于非黑素瘤皮肤癌问题，通过实现 VQ-GAN 模型重建高分辨率 IEC 图像并训练序列转换器以生成自然语言描述，提供了理解疾病的另一个角度。
PDF2 years ago
基于中心导向无边际三元损失的深度聚类在高度不平衡数据集中用于皮肤病变检测
介绍了一种基于深度聚类的皮肤病变图片分类方法，引入了一种新的基于中心的聚类损失函数，可以实现在对少量恶性病灶数据训练的情况下有效地检测恶性黑色素瘤的皮损。
PDF2 years ago
基于临床图像特征与患者数据的色素性皮肤病自动诊断技术
该研究开发了一个基于智能手机拍摄的脂肪瘤皮肤病变图像的计算机辅助诊断系统，通过提取图像特征和病人背景信息来提高皮肤病变诊断的准确性，在实验中与专家的判断相当。
PDF2 years ago
探究和利用图像分辨率进行基于迁移学习的皮肤病变分类
本文研究了使用不同输入图像尺寸 fine-tuned CNNs 进行皮肤病变分类的性能，提出了一种基于三级集成策略的新型融合方法，取得了比现有算法更好的分类结果。
PDF4 years ago
BCN20000：野外皮肤镜病变
本篇论文总结了 BCN20000 数据集，该集包含来自巴塞罗那医学中心在 2010 年至 2016 年期间拍摄的 19424 张皮肤镜检影像，旨在研究皮肤癌的非受限分类问题，包括在难以诊断的部位（指甲和黏膜），不适合镜检设备孔径的大型病变和
PDF5 years ago
WonDerM：基于 Fine-tuned 神经网络的皮肤病变分类
该研究旨在通过深度学习和神经网络应用于皮肤科图像分析挑战解决皮肤病的预测和分类问题，并在验证数据集和测试数据集中分别实现了 0.899 和 0.785 的准确率。
PDF6 years ago
基于深度卷积神经网络组合的皮肤病变检测
论文提出了一种深度卷积神经网络的组合方法，用于将皮肤镜图像分类为三类，该方法结合了四种不同神经结构的输出，以达到最高分类精度，并优于单个神经网络。
PDF7 years ago
卷积神经网络委员会用于黑色素瘤分类，结合传统和专家知识的图像转换数据增强
本研究以 ISBI 2017 黑色素瘤分类挑战为背景，通过人工增强图像数据和 CNN 模型委员会的方法来提高皮肤癌早期检测的准确率和分类器的稳定性。
PDF7 years ago
皮肤镜图像黑色素瘤识别的深度学习集成
本文介绍了一种结合深度学习和机器学习的系统，通过分割皮肤病变区域及其周围组织进行黑色素瘤检测，使用公开数据集验证，相比于专家医生的平均准确率高达 76%。
PDF8 years ago
面部皮损分析以助于黑色素瘤检测：由国际皮肤成像合作组织（ ISIC ）主办的 2016 年国际生物医学成像研讨会上的挑战
本文章介绍了一项公共皮肤科图像分析挑战赛的设计与实现，其目的是支持自动诊断致命皮肤癌症麻风疹的算法的研究与开发。通过划分子挑战来分别完成图像分析任务，包括皮损分割、皮损内皮肤镜特征检测和黑色素瘤分类。最终统计共有 79 组参赛选手，38 名
PDF8 years ago