11日前

画像とメタデータを統合するためのアテンションベースメカニズム:深層学習モデルを皮膚がん分類に応用した場合

{Renato A. Krohling, Andre G. C. Pacheco}
要約

深層ニューラルネットワークを用いて構築されたコンピュータ支援皮膚がん分類システムは、通常、皮膚病変の画像のみに基づいて予測を行う。有用な結果を示しているものの、人間の専門家が皮膚病変スクリーニングの際に重視する重要な手がかりである患者の人口統計学的情報を考慮することで、さらに高い性能が達成可能である。本稿では、深層学習モデルを用いて皮膚がん分類に向け、画像データとメタデータ特徴を統合する問題に取り組む。我々は、分類パイプライン全体を通じて画像から抽出された最も関連性の高い特徴を強化することで、メタデータを活用して分類を支援する新しいアルゴリズム「メタデータ処理ブロック(MetaBlock)」を提案する。提案手法は、MetaNetおよび特徴量の連結に基づくアプローチと比較された。2種類の異なる皮膚病変データセットに対する実験結果から、本手法はすべての検証モデルにおいて分類性能を向上させ、10のシナリオのうち6つにおいて他の統合アプローチよりも優れた性能を示した。

画像とメタデータを統合するためのアテンションベースメカニズム:深層学習モデルを皮膚がん分類に応用した場合 | 最新論文 | HyperAI超神経