热点事件持续更新

轻量注意力CNN用于皮肤癌检测

1 篇报道1 个报道来源3 小时前更新

先了解这件事

AI 综述

Kasfia等人在arXiv发表论文，提出一种结合通道注意力与显著性图可解释性的轻量级CNN（CNN-Attention），用于皮肤病变的二分类。模型在2,637张训练、660张测试的公开数据集上达到87%准确率，ROC AUC和PR AUC分别为0.9475和0.9430。该模型参数量仅195万、存储7.45 MB，约为最佳基线MobileNet的一半。研究称这种轻量化设计有助于在资源受限环境下部署可解释的皮肤癌辅助检测。

AI 根据报道生成 · 1 小时前更新

最新进展10月28日 12:00

轻量级注意力 CNN 结合显著性图可解释性用于皮肤癌检测

报道时间线

沿着报道，了解事件的不同侧面。

10月28日

12:00
arXiv cs.AI
轻量级注意力 CNN 结合显著性图可解释性用于皮肤癌检测
一项研究提出用于皮肤病变二分类的可解释 AI 框架：轻量级注意力 CNN（CNN-Attention），在 2,637 张训练与 660 张测试图像上达到 87% 准确率，参数量仅 195 万、存储 7.45 MB，约为 MobileNet 的一半，ROC AUC 与 PR AUC 分别为 0.9475 和 0.9430。

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。