arXiv cs.AI· Sanjana Islam Kasfia, Md. Ismiel Hossen Abir, AKM Bahalul Haque, Abir Mahmud Shahariar·· 13 小时前AI 评分23
轻量注意力 CNN 结合显著图可解释性用于皮肤癌检测
A Lightweight Attention-Based CNN with Saliency-Map Interpretability for Skin Cancer Detection
AI 导读
研究提出基于通道注意力的轻量 CNN-Attention 框架，用于皮肤镜图像的二分类皮肤病变检测，在 2,637 张训练图像和 660 张测试图像上达到 87% 准确率，参数量仅 1.95M、存储 7.45 MB，约为最佳基线 MobileNet 的一半。
正文 · AI 翻译
摘要：皮肤癌是全球最常见且危及生命的癌症类型之一。早期、准确的诊断能显著提高患者生存率。然而，由于视觉上的相似性，人工皮肤镜评估仍具挑战性。本研究提出一个可解释 AI 驱动的框架，使用轻量级基于注意力的卷积神经网络（CNN-Attention）对皮肤病变进行自动二分类。该模型集成通道注意力以聚焦皮肤镜图像中的信息区域，同时保持较低的计算复杂度。研究使用了一个公开数据集，包含 2,637 张训练图像和 660 张测试图像，并采用平衡类别权重。所提模型以 195 万参数和 7.45 MB 存储实现 87% 的准确率，与最佳基线（MobileNet）持平，而参数量和存储约为其一半。ROC AUC 和 PR AUC 分数分别达到 0.9475 和 0.9430。此外，研究引入显著性图作为可解释性技术，以可视化影响模型决策的区域。与 VGG16、VGG19、ResNet101 和 MobileNet 的对比分析表明，所提模型在平衡分类结果、计算效率和可解释性方面具有有效性。
| 主题： | 计算机视觉与模式识别（cs.CV）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.37314 [cs.CV] |
| （或 arXiv:2610.37314v1 [cs.CV] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.37314 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：AKM Bahalul Haque [查看电子邮件]
[v1]
2026 年 10 月 27 日星期二 14:30:29 UTC（1,433 KB）
来源：arXiv cs.AI · arxiv.org