БАГАТОШКАЛЬНИЙ МЕТОД КЛАСИФІКАЦІЇ НА ОСНОВІ НЕЙРОННОЇ МЕРЕЖІ ДЛЯ ПАТОЛОГІЧНИХ ЗОБРАЖЕНЬ ШКІРИ

Анотація

Патологічні зображення шкіри містять важливу діагностичну інформацію в різних масштабах. Для ефективного використання багатомасштабних функцій це дослідження пропонує метод класифікації на основі багатомасштабних нейронних мереж. Метод включає змінну багатомасштабну нейронну мережеву структуру з магістральною мережею та декількома вхідними гілками масштабу, вставленими на різних рівнях, що полегшує виділення та злиття ознак. Для визначення оптимальної структури мережі представлено два алгоритми пошуку – алгоритм пошуку на основі мінімальних витрат і алгоритм пошуку на підйомі. Експериментальні результати демонструють, що запропонована багатомасштабна мережа перевершує оригінальні мережі в класифікації патологічних зображень шкіри і що обидва алгоритми пошуку ефективно знаходять майже оптимальні структури зі зниженими обчислювальними витратами.
У цьому дослідженні ми розглянули проблему багатомасштабного вилучення та об’єднання ознак у патологічних зображеннях, запропонувавши змінну багатомасштабну архітектуру нейронної мережі та два відповідні багатомасштабні алгоритми пошуку структури мережі. Змінна багатомасштабна нейронна мережа складається з магістральної мережі та однієї або кількох паралельних багатомасштабних вхідних гілок. Паралельне введення інформації про багатомасштабне зображення надає мережі здатність витягувати та ефективно об’єднувати багатомасштабні характеристики. Щоб визначити оптимальну структуру багатомасштабної мережі, ми запровадили два алгоритми пошуку: алгоритм пошуку з мінімальними витратами та алгоритм пошуку з підйомом на пагорб. Алгоритм пошуку з мінімальною вартістю розроблений для пошуку оптимальної структури з фіксованими та мінімальними обчислювальними витратами, тоді як алгоритм пошуку на пагорбах шукає чудові багатомасштабні мережеві структури за рахунок трохи вищих обчислювальних витрат. Експериментальні результати продемонстрували, що змінна багатомасштабна нейронна мережа перевершила вихідну мережу за ефективністю діагностики. Обидва алгоритми пошуку досягли майже оптимальних змінних багатомасштабних структур нейронної мережі зі значно меншими обчислювальними витратами порівняно з методами вичерпного пошуку. Зокрема, алгоритм пошуку з мінімальними витратами постійно вимагав найменших обчислювальних витрат. Для порівняння, алгоритм пошуку на пагорбі дав більш оптимальні багатомасштабні мережеві структури. Дослідження абляції було проведено для подальшого вивчення покращення продуктивності змінної багатомасштабної мережі. Результати показали, що покращена продуктивність була пов’язана в першу чергу з додатковим багатомасштабним введенням інформації про зображення. Це відкриття підкреслює важливість включення багатомасштабних вхідних даних у нейронні мережі для аналізу патологічного зображення.