English(EN) CNNs, Transformers, Hybrid, and Vision Language Models for Skin Cancer Detection

深度学习模型在皮肤癌检测中的比较

作者 PulseAugur 编辑部 · [1 个来源] · 2026-05-27 04:00

研究人员对十二种用于皮肤癌检测的深度学习模型进行了全面评估，比较了卷积神经网络（CNN）、视觉Transformer（ViT）、混合模型和视觉语言模型（VLM）。该研究使用了PAD-UFES-20数据集，并使用AUC、F1分数和80%特异度下的敏感性等指标评估了性能。结果表明，虽然CNN提供了一个坚实的基线，但基于Transformer的架构通常提供更优越的区分能力。MaxViT Tiny和CoAtNet0等混合模型，以及基于SigLIP的VLM，在临床部署方面表现出最佳的整体性能，而基于CLIP的模型显示出高精度。 AI

影响为在实际皮肤癌筛查中选择AI模型提供了实用指导，有望提高早期检测率。

排序理由该集群基于一篇学术论文，该论文对特定任务上的AI模型进行了比较研究。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 0 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群基于一篇学术论文，该论文对特定任务上的AI模型进行了比较研究。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, model release; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: 127 days old; Aged out of breaking-news scoring windows; ranking reflects the durable signal from the full source set.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.CV TIER_1 English(EN) · Durjoy Dey, Yuhong Yan, Hassan Hajjdiab · 2026-05-27 04:00

用于皮肤癌检测的CNN、Transformer、混合模型和视觉语言模型

arXiv:2605.26294v1 Announce Type: new Abstract: Skin cancer is a common and fast rising malignancy worldwide. Early detection is critical for improving outcomes. Deep learning models trained on dermoscopic and clinical images can support automated and fast triage. However, many s…

本文如何被排名

报道来源 [1]

用于皮肤癌检测的CNN、Transformer、混合模型和视觉语言模型

相关实体

相关话题