实体
ISIC Archive
ISIC Archive
PulseAugur coverage of ISIC Archive — every cluster mentioning ISIC Archive across labs, papers, and developer communities, ranked by signal.
总计 · 30天
0
90 天内 1
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 1
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 3 条
-
AI模型用于皮肤癌分类，通过鲁棒数据增强得到改进
研究人员探索了数据增强技术，以提高皮肤镜皮肤病变分类器在域偏移下的鲁棒性。他们的研究利用ConvNeXt-Large骨干网络和ISIC Archive与Derm7pt，发现复合策略，特别是涉及光度变换的策略，在域外泛化方面取得了最大的收益。研究结果表明，模仿真实世界域偏移的增强比仅最大化域内准确性更具影响力，但建议使用源不相交选择协议进行进一步验证。
-
AI模型在皮肤癌分类中表现出泛化差距
一篇新研究论文探讨了皮肤肿瘤镜图像的级联分类，比较了ViT-B/16、Swin-S、ConvNeXt-S和EfficientNetV2-S等各种深度学习架构。研究发现，虽然模型在内部表现良好，但在应用于独立的临床数据集时存在显著的泛化差距，导致性能下降和校准问题。提出的级联方法具有可调的分类阈值，提供了更好的灵敏度控制，并符合临床鉴别诊断逻辑，尽管在部署前进行外部验证和重新校准至关重要。
-
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。