| 摘要:由于皮肤病的类内差异大、类间差异小及样本分布不均衡导致恶性皮肤病智能诊断误诊率极高，因此提出一种基于深度残差金字塔的皮肤病变分割与特征提取机制。具体地，对比主流的单一尺度网络输出，为了提高特征提取和训练结果的准确度，构建了一个深度残差金字塔多尺度编码网络，将瓶颈层划分为多尺度编码网络，通过提取多尺度特征，实现网络分割与提取结果的输出。进一步，为了解决样本不均衡问题，设计了基于焦点损失的损失梯度监督机制，即通过焦点损失增加模型对难分样本的关注度，同时通过梯度协调机制减小难分样本和离群点对模型整体准确率的影响，从而达到减小类别不平衡对诊断结果的影响。实验结果表明，所提机制的分割与提取与现有相关方案相比，Jaccard系数提高了3%~10%，达到82.3%。 |
| 关键词: 皮肤病变 深度残差网络 特征金字塔 损失函数 |
|
|
|
|
| Abstract: |
| Key words: |