A Wavelet Guided Attention Module for Skin Cancer Classification with Gradient-based Feature Fusion

要約

皮膚がんは非常に危険な種類のがんであり、経験豊富な医師による正確な診断が必要です。
医師が皮膚がんをより効率的に診断するには、コンピュータ支援診断 (CAD) システムが非常に役立ちます。
この論文では、新しい注意メカニズムを使用して病変の空間次元と対称性全体にわたる特徴の違いを正確に特定し、それによって対称性、質感と色の均一性に基づいたさまざまなクラスの相違点に焦点を当てる新しいモデルを提案します。
さらに、異なるクラスの病変の境界の変化を考慮するために、ウェーブレットとソフト注意支援機能の勾配ベースの融合を使用して、皮膚病変の境界情報を抽出します。
HAM10000 と呼ばれる、マルチクラスで高度にクラス不均衡なデータセットでモデルをテストし、91.17\% の F1 スコアと 90.75\% の精度という有望な結果を達成しました。
コードは https://github.com/AyushRoy2001/WAGF-Fusion から入手できます。

要約(オリジナル)

Skin cancer is a highly dangerous type of cancer that requires an accurate diagnosis from experienced physicians. To help physicians diagnose skin cancer more efficiently, a computer-aided diagnosis (CAD) system can be very helpful. In this paper, we propose a novel model, which uses a novel attention mechanism to pinpoint the differences in features across the spatial dimensions and symmetry of the lesion, thereby focusing on the dissimilarities of various classes based on symmetry, uniformity in texture and color, etc. Additionally, to take into account the variations in the boundaries of the lesions for different classes, we employ a gradient-based fusion of wavelet and soft attention-aided features to extract boundary information of skin lesions. We have tested our model on the multi-class and highly class-imbalanced dataset, called HAM10000, and achieved promising results, with a 91.17\% F1-score and 90.75\% accuracy. The code is made available at: https://github.com/AyushRoy2001/WAGF-Fusion.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google