计算机工程

作者：李建威, 吕晓琪, 谷宇

单位：1. 内蒙古科技大学 信息工程学院 内蒙古自治区模式识别与智能图像处理重点实验室, 内蒙古自治区 包头 0140102. 内蒙古工业大学 信息工程学院, 呼和浩特 010051

关键词：皮肤镜图像分类,ConvNeXt网络,通道注意力机制,SimAM无参注意力,预热机制

基金：国家自然科学基金(62001255); 国家自然科学基金(61841204); 国家自然科学基金(61771266); 中央引导地方科技发展资金(2021ZY0004); 内蒙古自治区自然科学基金(2019MS06003); 内蒙古自治区自然科学基金(2015MS0604); 内蒙古自治区高等学校青年科技英才计划项目(NJYT23057); 教育部“春晖计划”合作科研项目(教外司留[2019]1383号); 内蒙古科技大学基本科研业务费专项资金优秀青年基金(2022042)

皮肤癌是最致命的癌症之一，对皮肤镜图像进行精确分类尤为关键，然而现有的皮肤镜图像存在形态复杂、样本数量较少的问题，导致现有的自动分类方法难以提取图像特征信息，误判率较高。提出一种改进ConvNeXt的方法，并构建SE-SimAM-ConvNeXt模型。以ConvNeXt为基础网络，加入SimAM无参注意力模块，提升网络的特征提取能力，并在基础网络中引入通道注意力机制，增强ConvNeXt对潜在关键特征的挖掘能力。在训练初始时加入预热机制Cosine Warmup，在该过程中使用余弦函数值进行学习率的衰减，进一步加速ConvNeXt的收敛，提高ConvNeXt模型的分类能力。在HAM10000皮肤数据集上的实验结果表明，该模型的分类准确率、精确度、召回率、特异性分别为92.9%、85.3%、78.0%、97.5%，具有较好的皮肤镜图像分类能力，对皮肤癌病变的辅助诊断有一定程度的应用价值，可帮助皮肤科医生对皮肤癌做进一步的诊断。

来源：2023年第10期

《计算机工程》期刊编辑部

查看计算机工程杂志2023年第10期