MaxCAT-Net皮肤病变分类跨数据集验证
热点事件观察中
MaxCAT-Net皮肤病变分类跨数据集验证
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
研究者提出混合Transformer分类网络MaxCAT-Net（MaxViT-Tiny + CBAM + 两层Transformer编码器），在ISIC 2018去重后的10,012张图像上按72/14/14划分训练，并在1,405张测试集图像上评估：准确率0.869（95% CI 0.847–0.890）、平衡准确率0.742、macro-F1 0.751、macro-AUC 0.944，优于ResNet152-CBAM、MobileNetV3-CBAM、GhostNet-hybrid及单独MaxViT-Tiny-CBAM基线；温度缩放将期望校准误差从0.099降至0.038。 跨数据集表现明显下降：在PAD-UFES-20上准确率降至0.341、黑色素瘤召回率仅0.096，在HAM10000上黑色素瘤召回率也只有0.587。论文作者称全部结果基于单一随机种子，应视为初步趋势而非改进的确证证据。
AI 根据报道生成 · 1 小时前更新
最新进展11月2日 08:00
MaxCAT-Net：混合 Transformer 皮肤病变分类与轻量分割的跨数据集验证报道时间线
沿着报道，了解事件的不同侧面。
11月2日
- bioRxiv 生物工程精选MaxCAT-Net：混合 Transformer 皮肤病变分类与轻量分割的跨数据集验证
论文提出混合分类网络 MaxCAT-Net（MaxViT + CBAM + 两层 Transformer 编码器），在 ISIC 2018 去重后的 10,012 张图像上按 72/14/14 病灶级划分训练。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。