皮膚がんの早期診断は、患者の治癒率を高め、医療システムの負担を軽減するのに役立ちます。皮膚鏡画像分類における特徴抽出過程で情報損失や異なるタイプの特徴情報を同時に認識することの難しさといった問題に対処するため、多尺度および三次元の相互作用特徴最適化ネットワーク（MTIFNet）を提案しました。まず、このネットワークは多尺度空間適応モジュールを用いて、訓練中に画像のグローバルおよびローカルな文脈情報を抽出し、病変周辺のぼんやりしたピクセル間の関連性を多尺度で強化します。次に、異なる次元間での連携を構築し、情報の交換と統合を行う三次元交互特徴最適化モジュールを設計しました。最後に、交差エントロピー損失を用いて予測確率分布と実際のクラス分布の差を測定し、モデルの精度を最適化します。ISIC 2018およびISIC 2017データセットに基づく実験結果は、このネットワークが精度、適合率、再現率、特異度をそれぞれ94.32％、91.61％、93.00％、98.39％および98.57％、98.20％、98.47％、99.13％まで向上させたことを示しています。現行の人気分類ネットワークであるResNeSt、ConvNext、Fcanetと比較して、MTIFNetはより優れた特徴抽出および相互作用能力を有し、医師がより正確な診断と治療の意思決定を行うのに役立ちます。

皮膚がん; 画像分類; 多尺度; 空間適応; 三次元相互作用