癌の予測のためのクジラ最適化アルゴリズムEnhanced ResNet 50を使用したAI駆動の皮膚損傷診断

科学分野:

• 皮膚科
• コンピュータ科学
• 人工知能

背景:

• 皮膚病変のバイナリー分類は 癌の早期発見に不可欠です
• ResNet-50のような ディープラーニングモデルは 有望ですが 臨床的正確性と効率性には最適化が必要です

研究 の 目的:

• 皮膚病変の二次分類のためのResNet-50モデルのパフォーマンスを向上させる.
• Whale Optimization Algorithm (WOA) を使用してResNet-50のハイパーパラメータを最適化する.

主な方法:

• アレックスネット,グーグルネット,VGG16,ResNet-50およびWOA最適化されたResNet-50の5つのコンボリューションニューラルネットワーク (CNN) のアーキテクチャを比較した.
• 3,600 枚の皮膚検査画像 (1,800 枚は良性, 1,800 枚は悪性) のバランスの取れたデータセットでモデルを訓練した.
• 精度,精度,リコール,F1スコア,MCC,ログ損失,AUC-ROC,および推論時間を用いて評価された性能を使用した最適化されたResNet-50ハイパーパラメータ (学習率,重量,バイアス).

主要な成果:

• WOAに最適化されたResNet-50は98.29%の精度を達成し,標準のResNet-50 (90.13%) と他のCNNを上回った.
• 最適化されたモデルは優れたリコール (99. 31%),特異性 (97. 07%) およびAUC-ROC (99. 84%) を示した.
• 標準のResNet-50 (1. 029s) と比較して,誤った分類を最小限に抑えることで,より速い推論時間 (0. 1488s) が達成されました.

結論:

• WOAに最適化されたResNet-50は,皮膚病変の分類における精度,リコール,特異性,および計算効率を大幅に改善します.
• このアプローチは優れた予測性能と迅速な推論を提供し,皮膚病診断と臨床意思決定を支援します.
• 将来の研究は,この方法をマルチクラス分類とリアルタイム医療画像システムに拡張することができます.