KVAK, Daniel. Visualizing CoAtNet Predictions for Aiding Melanoma Detection. Engineering and Technology Journal. Mandsaur University, India: Everant Journals, 2022, č. 7, s. 1322-1327. ISSN 2456-3358. doi:10.47191/etj/v7i7.01.
Abstrakt:
Melanom je považován za nejagresivnější formu rakoviny kůže. V současné době se hodnocení malignity provádí především invazivním histologickým vyšetřením podezřelé léze. Vývoj přesného klasifikátoru pro včasnou a účinnou detekci může minimalizovat a monitorovat škodlivé účinky rakoviny kůže a zvýšit míru přežití pacientů. Vzhledem k
podobnému tvaru zhoubných a nezhoubných nádorových lézí stráví lékaři při diagnostice těchto nálezů podstatně více času. Použití přístupu hlubokého učení jako nástroje počítačového vidění však může některé problémy překonat. V tomto článku je navržena úloha klasifikace více tříd s využitím architektury CoAtNet, hybridního modelu, který kombinuje operaci hloubkové konvoluční matice tradičních konvolučních neuronových sítí se silnými stránkami modelů Transformer a mechaniky sebepozorování, aby bylo dosaženo lepší generalizace a kapacity. Model byl hodnocen na základě přesnosti, odvolání a AP. Navržený klasifikátor více tříd dosahuje celkové přesnosti 0,901, odvolání 0,895 a AP 0,923, což svědčí o vysoké výkonnosti ve srovnání s ostatními nejmodernějšími sítěmi. Navrhovaný přístup by měl poskytnout méně složitý rámec pro automatizaci diagnostického procesu melanomu a urychlit proces záchrany života.
