-
Notifications
You must be signed in to change notification settings - Fork 0
Expand file tree
/
Copy pathtext.txt
More file actions
188 lines (187 loc) · 17.9 KB
/
text.txt
File metadata and controls
188 lines (187 loc) · 17.9 KB
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
┌─────────────────────────────────────────────────────────────────────────────────────────────┐
│ FEDERATED HYBRID ENSEMBLE METHODOLOGY FLOWCHART │
└─────────────────────────────────────────────────────────────────────────────────────────────┘
┌────────────────────────────────┐
│ DATA COLLECTION │
│ │
│ ┌──────────────────────────┐ │
│ │ HAM10000 Dataset │ │
│ │ • 10,015 images │ │
│ │ • 7 lesion types │ │
│ │ • Lesion-level metadata │ │
│ └──────────────────────────┘ │
└───────────────┬────────────────┘
│
▼
┌────────────────────────────────┐
│ DATA PREPROCESSING │
│ │
│ ┌──────────┬──────────┬─────┐│
│ │ Resize │Normalize │Color││
│ │300×300 │HAM10000 │Jitter││
│ │pixels │statistics│Flips ││
│ └──────────┴──────────┴─────┘│
│ │
│ ┌──────────────────────────┐ │
│ │ Lesion-Level Splitting │ │
│ │ 8,360 train / 827 val / │ │
│ │ 828 test │ │
│ └──────────────────────────┘ │
└───────────────┬────────────────┘
│
▼
┌────────────────────────────────┐
│ CLASS IMBALANCE HANDLING │
│ │
│ ┌──────────────────────────┐ │
│ │ RandomOverSampler │ │
│ │ 58:1 ratio → Balanced │ │
│ │ 37,660 samples │ │
│ │ (5,380 per class) │ │
│ └──────────────────────────┘ │
└───────────────┬────────────────┘
│
▼
┌────────────────────────────────────────────────────────────────────┐
│ NON-IID DATA DISTRIBUTION │
│ │
│ ┌──────────────┐ ┌──────────────┐ ┌──────────────┐ │
│ │ Client 1 │ │ Client 2 │ │ Client 3 │ │
│ │ 10,650 │ │ 13,415 │ │ 13,595 │ │
│ │ samples │ │ samples │ │ samples │ │
│ │ │ │ │ │ │ │
│ │ Benign │ │ Vascular │ │ Melanocytic │ │
│ │ keratosis │ │ lesions │ │ nevi │ │
│ │ (40%) │ │ (37%) │ │ (38%) │ │
│ │ │ │ │ │ │ │
│ │ Actinic │ │ Melanoma │ │ Basal cell │ │
│ │ keratoses │ │ (23%) │ │ carcinoma │ │
│ │ (28%) │ │ │ │ (31%) │ │
│ └──────┬───────┘ └──────┬───────┘ └──────┬───────┘ │
│ │ │ │ │
└─────────┼─────────────────────┼─────────────────────┼──────────┘
│ │ │
└─────────────────────┼─────────────────────┘
│
▼
┌─────────────────────────────────────────────────────────────────────┐
│ HYBRID ENSEMBLE ARCHITECTURE │
│ │
│ ┌──────────────────┐ ┌──────────────────┐ │
│ │ EfficientNetB3 │ │ InceptionV3 │ │
│ │ │ │ │ │
│ │ • 1536 features │ │ • 2048 features │ │
│ │ • Compound │ │ • Multi-scale │ │
│ │ scaling │ │ parallel │ │
│ │ • ImageNet │ │ filters │ │
│ │ pretrained │ │ (1×1,3×3,5×5) │ │
│ └────────┬─────────┘ └────────┬─────────┘ │
│ │ │ │
│ │ ┌───────────────────────────────┘ │
│ │ │ │
│ ▼ ▼ │
│ ┌──────────────────────────────────────────┐ │
│ │ FEATURE PROJECTION TO 512-DIM │ │
│ │ W_E ∈ ℝ^(512×1536) │ │
│ │ W_I ∈ ℝ^(512×2048) │ │
│ └──────────────────┬───────────────────────┘ │
│ │ │
│ ▼ │
│ ┌──────────────────────────────────────────┐ │
│ │ ATTENTION-BASED FUSION │ │
│ │ │ │
│ │ a = Softmax(W₂·ReLU(W₁·[f'_E; f'_I])) │ │
│ │ f_ensemble = [a₁·f'_E; a₂·f'_I] │ │
│ │ Output: 1024-dimensional features │ │
│ └──────────────────┬───────────────────────┘ │
│ │ │
│ ▼ │
│ ┌──────────────────────────────────────────┐ │
│ │ CLASSIFICATION HEAD │ │
│ │ │ │
│ │ 1024 → 512 → 256 → 7 classes │ │
│ │ • Dropout (0.5, 0.5, 0.25) │ │
│ │ • BatchNorm, ReLU │ │
│ │ • CrossEntropyLoss │ │
│ └──────────────────────────────────────────┘ │
└─────────────────────────────────────────────────────────────────────┘
│
▼
┌─────────────────────────────────────────────────────────────────────┐
│ FEDERATED TRAINING PROTOCOL (FedAvg) │
│ │
│ FOR round = 1 to 10: │
│ │
│ ┌──────────────────────────────────────────────────────────────┐ │
│ │ 1. SERVER BROADCASTS: θ_global → All Clients (9.6 MB) │ │
│ └──────────────────────────────────────────────────────────────┘ │
│ │
│ ┌──────────────────────────────────────────────────────────────┐ │
│ │ 2. LOCAL TRAINING: Each client trains for 3 epochs │ │
│ │ • AdamW optimizer (lr=1e-3, weight_decay=1e-4) │ │
│ │ • ReduceLROnPlateau scheduler │ │
│ │ • Batch size: 32 │ │
│ └──────────────────────────────────────────────────────────────┘ │
│ │
│ ┌──────────────────────────────────────────────────────────────┐ │
│ │ 3. CLIENTS UPLOAD: θ_k → Server (28.8 MB) │ │
│ └──────────────────────────────────────────────────────────────┘ │
│ │
│ ┌──────────────────────────────────────────────────────────────┐ │
│ │ 4. SERVER AGGREGATION: │ │
│ │ θ_global = Σ(n_k/n_total) × θ_k │ │
│ │ Weights: [0.283, 0.356, 0.361] │ │
│ └──────────────────────────────────────────────────────────────┘ │
│ │
│ END FOR │
└─────────────────────────┬───────────────────────────────────────────┘
│
▼
┌─────────────────────────────────────────────────────────────────────┐
│ MODEL EVALUATION │
│ │
│ ┌──────────────────┬──────────────────┬──────────────────┐ │
│ │ Performance │ ROC Analysis │ Confusion │ │
│ │ Metrics │ │ Matrix │ │
│ │ │ │ │ │
│ │ • Accuracy │ • AUC: 0.90-1.00 │ • Per-class │ │
│ │ 93.00% │ • Perfect 1.00: │ errors │ │
│ │ │ Basal cell, │ • Melanoma-nevi │ │
│ │ • Precision │ Vascular │ confusion │ │
│ │ • Recall │ │ (35%) │ │
│ │ • F1-Score │ • Near-perfect: │ │ │
│ │ │ 0.97-0.99 │ • 98% correct │ │
│ │ │ │ Melanocytic │ │
│ │ │ │ nevi │ │
│ └──────────────────┴──────────────────┴──────────────────┘ │
└─────────────────────────┬───────────────────────────────────────────┘
│
▼
┌─────────────────────────────────────────────────────────────────────┐
│ CLINICAL DEPLOYMENT (WEB APPLICATION) │
│ │
│ ┌──────────────────────────────────────────────────────────────┐ │
│ │ USER INTERFACE │ │
│ │ • Image upload (300×300 RGB) │ │
│ │ • Patient demographics input │ │
│ │ • Lesion characteristics │ │
│ └──────────────────┬───────────────────────────────────────────┘ │
│ │ │
│ ▼ │
│ ┌──────────────────────────────────────────────────────────────┐ │
│ │ PREDICTION PIPELINE │ │
│ │ 1. Preprocessing (0.3s) │ │
│ │ 2. Model inference (1.2s) │ │
│ │ 3. Softmax probabilities (0.3s) │ │
│ │ 4. Confidence thresholding (70%) │ │
│ └──────────────────┬───────────────────────────────────────────┘ │
│ │ │
│ ▼ │
│ ┌──────────────────────────────────────────────────────────────┐ │
│ │ RESULTS VISUALIZATION │ │
│ │ • Top-3 predicted classes with probabilities │ │
│ │ • Attention heatmaps (Grad-CAM) │ │
│ │ • Architecture contribution (EfficientNetB3 vs InceptionV3) │ │
│ │ • Flagged cases for dermatologist review │ │
│ └──────────────────────────────────────────────────────────────┘ │
└─────────────────────────────────────────────────────────────────────┘