ARTFEED — Contemporary Art Intelligence

L'Augmentazione dei Dati Migliora la Generalizzazione OOD nella Classificazione del Cancro della Pelle con Dermoscopia

ai-technology · 2026-07-30

Un nuovo studio di ricerca su arXiv ha evidenziato i vantaggi dell'augmentazione dei dati nel migliorare la generalizzazione out-of-domain (OOD) nella classificazione del cancro della pelle utilizzando tecniche di dermoscopia. Il team ha utilizzato un'architettura ConvNeXt-Large e ha valutato vari metodi di augmentazione sul dataset eterogeneo ISIC Archive, che includeva Derm7pt. Per i test out-of-domain, sono stati incorporati i dataset HAM10000 e ISIC 2019-2020. In particolare, il metodo di augmentazione composito ha superato gli altri, soprattutto con regolazioni fotometriche. Lo studio ha rivelato un miglioramento significativo nelle prestazioni OOD, con un guadagno medio di 0,053, suggerendo il potenziale per una migliore accuratezza nella classificazione dei tipi di cancro della pelle.

Fatti principali

  • Lo studio utilizza il backbone ConvNeXt-Large
  • Classificazione binaria maligno vs non-maligno
  • Augmentazione dei dati ricercata su ISIC Archive e Derm7pt
  • Set di test OOD: HAM10000 e ISIC 2019-2020
  • La politica Mix ha dato il maggior guadagno OOD
  • Le trasformazioni fotometriche sono le più utili
  • Guadagno OOD: +0,053 (IC 95% da +0,045 a +0,061, p<0,001)
  • Consistente attraverso quattro seed di addestramento

Entità

Istituzioni

  • arXiv

Fonti