研究人员开发了一种新的多模态皮肤病变分类框架，旨在提高皮肤癌的早期诊断率。该方法将Swin Transformer提取的视觉特征与结构化临床元数据相结合。在公开数据集上的实验显示，测试准确率为92.55%，宏观F1分数达到91.33%，即使在少数类上表现也强劲。该模型还结合了温度缩放以进行校准和不确定性估计，以增强预测的可靠性和置信度。 AI
影响 提高皮肤癌检测的诊断准确性，可能有助于早期诊断和治疗。
排序理由 详细介绍新模型架构和实验结果的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
