DerMAE

新数据集和AI方法助力皮肤病变分类

研究人员开发了新的数据集和方法，以提高AI对皮肤镜图像中皮肤病变进行分类的能力。一篇论文介绍了IMA++，这是一个大型数据集，包含来自近15,000张图像的17,000多个分割掩码，包括每张图像的多个注释，以帮助研究注释者偏好。另一项研究DerMAE使用合成数据生成和知识蒸馏来训练轻量级模型，以实现高效的设备上皮肤病变分类，解决了类别不平衡问题。第三篇论文提出了一种对比元域适应策略，以增强皮肤病变分类模型在不同临床和采集条件下的鲁棒性。