피부암의 조기 진단은 환자의 치유 기회를 높이고 의료 시스템의 부담을 줄이는 데 도움이 됩니다. 피부경 검사 이미지 분류의 특징 추출 과정에서 정보 손실 및 이미지 내 독립적인 다양한 유형의 특징 정보를 동시에 인식하기 어려운 문제를 해결하기 위해 다중 스케일 및 3차원 상호작용 특징 최적화 네트워크(MTIFNet)를 제안했습니다. 먼저, 이 네트워크는 다중 스케일 공간 적응 모듈을 적용하여 훈련 과정에서 이미지의 전역 및 국소 문맥 정보를 추출하고 다중 스케일로 병변 주변의 흐릿한 픽셀과 픽셀 간의 연관성을 강화합니다. 다음으로, 서로 다른 차원 간의 연계를 구축하고 정보를 교환 및 통합하는 3차원 상호작용 특징 최적화 모듈을 설계했습니다. 마지막으로, 교차 엔트로피 손실을 사용하여 예측 확률 분포와 실제 클래스 분포 간의 차이를 측정함으로써 모델의 정확도를 최적화합니다. ISIC 2018 및 ISIC 2017 데이터셋 기반의 실험 결과, 이 네트워크는 정확도, 정밀도, 재현율, 특이도를 각각 94.32%, 91.61%, 93.00%, 98.39% 및 98.57%, 98.20%, 98.47%, 99.13%까지 향상시켰습니다. 현재 인기 있는 ResNeSt, ConvNext, Fcanet 등의 분류 네트워크와 비교할 때 MTIFNet는 더 우수한 특징 추출 및 상호작용 능력을 갖추어 의사들이 더 정확한 진단 및 치료 결정을 내리는 데 도움이 됩니다.

피부암; 이미지 분류; 다중 스케일; 공간 적응; 3차원 상호작용