轻量级注意力CNN皮肤癌检测模型
热点事件持续更新
轻量级注意力CNN皮肤癌检测模型
1 篇报道1 个报道来源5 小时前更新
先了解这件事
AI 综述
2026年10月28日，Sanjana Islam Kasfia等人在arXiv发布新研究，提出基于通道注意力的轻量级CNN框架，用于皮肤癌二分类检测。 该模型参数量仅1.95M，存储占用7.45MB，约为MobileNet基线的一半。在2637张训练与660张测试图像上，准确率达87%，ROC AUC为0.9475。 研究通过生成显著性图直观展示决策区域，实现了性能、效率与可解释性的平衡，属AI驱动的可解释性框架。
AI 根据报道生成 · 2 小时前更新
最新进展10月28日 12:00
基于轻量级注意力 CNN 与显著性图可解释性的皮肤癌检测模型报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- arXiv · AI基于轻量级注意力 CNN 与显著性图可解释性的皮肤癌检测模型
研究提出结合通道注意力的轻量级 CNN 框架用于皮肤癌二分类，模型参数量 1.95M，准确率 87%。 在 2637 张训练和 660 张测试图像上，ROC AUC 达 0.9475，存储占用仅 7.45MB，参数量和存储空间约为 MobileNet 基线的一半。 通过生成显著性图（saliency maps）直观展示影响模型决策的区域，实现了性能、效率与可解释性的平衡。
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。