A Wavelet Guided Attention Module for Skin Cancer Classification with Gradient-based Feature Fusion

本文介绍了皮肤癌是一种高度危险的癌症，需要经验丰富的医生进行准确诊断。为了帮助医生更有效地诊断皮肤癌，可以使用计算机辅助诊断（CAD）系统。本文提出了一种新型模型，使用新型注意机制来确定病变在空间维度和对称性上的特征差异，从而关注基于对称性、纹理和颜色均匀性等各种类别之间的不同之处。此外，为了考虑不同类别病变边界的变化，我们采用梯度基于小波和软注意力辅助特征融合来提取皮肤病变的边界信息。我们在名为HAM10000的多类别和高度类别不平衡的数据集上测试了我们的模型，并取得了有希望的结果，F1分数为91.17％，准确率为90.75％。该代码可在以下网址获得：https://github.com/AyushRoy2001/WAGF-Fusion。

本文试图提出一种计算机辅助诊断系统来更加高效地诊断皮肤癌，特别是在考虑到不同类别皮损的边界变异性和对称性时。这是否是一个新问题？

本文提出了一种新的模型，利用新颖的注意机制来聚焦于不同类别皮损的对称性、纹理和颜色的差异，以及采用基于梯度的小波和软注意力辅助特征融合来提取皮损边界信息。相比当前领域的研究，这篇论文的思路有什么新意？

本文使用了高度类别不平衡的数据集HAM10000进行了实验，并取得了令人满意的结果，F1-score为91.17％，准确率为90.75％。此外，本文开源了代码，值得关注。

最近在这个领域中，还有一些相关的研究，例如：“Skin Lesion Segmentation using U-Net: A Comparative Study”和“Deep Learning for Skin Lesion Segmentation: A Comparative Study”。