基于PiT的皮肤镜图像分类方法研究

作     者：韦春苗 徐岩 蒋新辉 魏一铭 WEI Chunmiao;XU Yan;JIANG Xinhui;WEI Yiming

作者机构：兰州交通大学电子与信息工程学院 柳州铁道职业技术学院人工智能学院 

出 版 物：《光电子．激光》 (Journal of Optoelectronics·Laser)

年 卷 期：2022年第33卷第5期

页      码：505-512页

摘      要：随着计算机技术的进步,现有的Transformer被扩展成处理计算机视觉任务的网络结构。为提高黑色素瘤的早期确诊率以提高皮肤病患者的治愈率,本文提出一种改进的基于PiT(pyramid pooling transformer)的网络模型来实现对7种皮肤病变的皮肤镜图像进行自动分类。本文模型主要由PiT模块和抗干扰模块等2个部分组成,Pit继承了ViT的优点,并通过池化进行空间尺寸转换来提高模型的鲁棒性,经过预训练的PiT网络拥有大量的自然图像特征,且PiT部分网络可为下游的分类任务提供所需的图像特征,本文设计出抗干扰模块,用来抵抗皮肤镜图像中的干扰因素(如毛发、异物遮挡)的影响,从而提高模型性能、提高分类精度。实验结果表明,本文模型在ISIC 2018验证集上的分类准确率、精确率、召回率、F1-score值分别高达91.58%、83.59%、89.92%、86.34%,每秒传输帧数(frames per second,FPS)达到85 Hz与现有的几种先进的分类网络相比,分类性能和模型效率都有所提高,具有相对优势,证明本文模型具有一定的实用价值。

主 题 词：图像处理 图像分类 PiT 抗干扰模块 

学科分类：08[工学] 080203[080203] 0802[工学-机械学] 

核心收录：

D　O　I：10.16136/jj.oel.2022.05.0619

馆 藏 号：203112382...