כתבה
arXiv cs.AI ·
LENS-GRF: רשת לדירוג חומרת מחלת האקנה
LENS-GRF: Permutation-Invariant Lesion Evidence Network with Gated Residual Fusion for Acne Severity Grading and Multi-Rater Clinical Oracle Analysis
LENS-GRF היא רשת עצבית לדירוג חומרת מחלת האקנה. היא משלבת סגמנטציה של עור הפנים וטרנספורמר גלובלי עם מעבד תמונות מקומי. LENS-GRF השיגה דיוק של 80.82% בניסויים.
תקציר מקורי באנגליתarXiv:2610.00294v1 Announce Type: cross Abstract: Automated acne severity grading requires both whole-face context and fine-grained lesion evidence. We propose LENS-GRF (Lesion Evidence Network with Set-Transformer and Gated Residual Fusion), an interpretable multi-stage framework for four-class acne severity grading. The method combines Adaptive Facial Skin Segmentation and a global Vision Transformer prior with a permutation-invariant Lesion Set Transformer that encodes localized lesion patches and spatial geometry. Gated Residual Fusion adaptively controls the local residual contribution and reduces to the global prediction when the gate is zero. On ACNE04, fully automated LENS-GRF with YOLOv11s achieved 80.82% accuracy; with ground-truth lesion annotations, it achieved 95.89% +/- 0.59%
קרא במקור המקורי
arxiv.org
פתח כתבה מקורית