成果基本信息

所属产业领域：运动目标跟踪定位

成果联系人：胡博士

联系电话：15137840620

是否先试用后付费：面议

成果介绍

针对现有模型皮肤镜图像多尺度特征提取不足问题，提出一种基于多尺度特征融合的改进EfficientNetV2分类方法。该方法通过设计多尺度特征融合模块，将不同分辨率特征信息进行整合。增强模型识别不同大小和形状的皮肤病变能力。在HAM10000数据集上实现99.3%AUC，在ISIC2019数据集上实现95.3%AUC，并且是一个相对轻量级的模型，体现多尺度特征融合在皮肤镜图像分类中的有效性。

针对黑色素瘤召回率偏低的问题，本文提出一种结合皮肤镜图像模态和元数据信息的多模态融合方法。提取三个通道颜色信息来增强元数据，通过特征均值编码验证颜色特征与目标之间的关系。结合图像特征和患者临床元数据，通过多头自注意力模块实现特征融合，保留图像和元数据各自的特征信息。在增强后的ISIC2020数据集上实现94.3%的召回率和98.9%的AUC。

开发一个皮肤病变识别辅助诊断系统。帮助皮肤科专业医生在日常诊断工作中提高效率，为患者提供一个便捷的自检手段。