ISIC 2017
PulseAugur coverage of ISIC 2017 — every cluster mentioning ISIC 2017 across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
皮肤镜图像分割研究探讨初始化和停止容差
一篇新研究论文探讨了轮廓初始化和停止容差对基于CPU的皮肤镜图像分割性能的影响。该研究利用了scikit-image在ISIC 2017数据集上的Chan-Vese实现，比较了Otsu阈值法、棋盘格、圆盘和默认设置等多种初始化方法。结果表明，在默认容差下，Otsu初始化相比棋盘格初始化提高了平均Dice分数，但收紧容差会降低这一优势，并突显了某些初始化方法在提前停止方面存在的问题。
-
软注意力机制提升了深度神经网络中皮肤癌的分类能力
研究人员已经证明，将软注意力机制纳入深度神经网络架构可以显著提高其在皮肤病变分类方面的性能。通过使网络能够专注于关键图像特征并抑制噪声，这种方法在VGG、ResNet、InceptionResNetv2和DenseNet等各种既有模型上都带来了性能提升。具体而言，在HAM10000数据集上，改进后的模型实现了显著的精度提升；在ISIC-2017数据集上，则获得了更好的敏感度得分。
-
RABC-Net 在无标注皮肤病变分割中实现高精度
研究人员开发了 RABC-Net，一种用于皮肤镜图像皮肤病变分割的新颖系统，该系统在训练时不需要像素级手动标注。该系统结合了可靠性学习和自适应边界校准，以提高低资源环境下的准确性。RABC-Net 在 ISIC-2017 和 ISIC-2018 等基准数据集上取得了强劲的性能，展示了高效的适应性和快速的推理速度。
-
TopoMamba 通过拓扑感知扫描改进医学图像分割
研究人员开发了 TopoMamba，一个旨在改进异构医学视觉媒体分割的新型框架。该方法通过引入拓扑感知扫描和轻量级融合机制，解决了现有视觉状态空间模型的局限性。在各种医学数据集上的实验表明，TopoMamba 表现优越，尤其是在分割弯曲或细小解剖结构等复杂结构方面。