模型卡片

<!-- 提供模型的简要摘要/功能介绍 -->

该模型能够检测 6 种不同的皮肤癌，准确率达 95.37%

模型描述

<!-- 提供模型的详细摘要 -->

在美国，每年被诊断患有皮肤癌的人数超过所有其他癌症患者的总和。早期发现这些癌症可以极大地提高 5 年生存率。目前的方法包括自我皮肤检查 (SSE)，随后由皮肤科医生进行专业筛查。然而，SSE 可能会遗漏重要的病变，从而导致癌症的发展。为了辅助 SSE 和专业筛查，人们已通过卷积神经网络 (CNN) 中的 AI 技术进行了诸多尝试。然而，这些网络难以达到足够高的准确率，限制了其充分应用。本研究提出了一种视觉Transformer (ViT) 模型，以提高皮肤癌检测的准确性和适用性。通过 ViT 模型的多头注意力层，该模型比 CNN 的 Conv2d 层更适合用于皮肤癌分类。

• 开发者： [Aryaman Mishra, Jason Shaye]
• 模型类型： [视觉Transformer]
• 语言(s) (NLP): [Python 3.11]