在皮肤透视图像中诊断黑色素瘤,使用深度学习
Ghadah Alwakid1, Walaa Gouda2, Mamoona Humayun3
1Department of Computer Science, College of Computer and Information Sciences, Jouf University, Sakakah 72341, Saudi Arabia.
Diagnostics (Basel, Switzerland)
|May 27, 2023
概括
这项研究使用Inception-V3和InceptionResnet-V2.2等深度学习模型来增强黑色素瘤诊断. 人工智能模型实现了高精度,改善了早期皮肤癌检测和患者的治疗结果.
科学领域:
- 皮肤病学 皮肤病学
- 计算机科学 计算机科学
- 医疗成像医学成像
背景情况:
- 黑色素瘤是一种流行且致命的皮肤癌.
- 早期检测显著提高了患者的生存率.
- 人工智能 (AI) 在改善医疗保健方面表现有前途,包括诊断准确性.
研究的目的:
- 评估深度学习模型对黑色素瘤识别的有效性.
- 微调 Inception-V3 和 InceptionResnet-V2 模型,以改善皮肤癌诊断.
主要方法:
- 利用包含七种类型皮肤癌的HAM10000数据集.
- 采用数据增强技术来解决数据集不平衡的问题.
- 训练了新添加的顶层和微调的Inception-V3和InceptionResnet-V2模型的冷特征提取层.
主要成果:
- 发明-V3模型实现了0.89.9的精度.
- 在InceptionResnet-V2模型中,准确度达到0.91.1.
- 与之前的调查相比,拟议的模型显示出更高的性能.
结论:
- 深度学习模型,特别是Inception-V3和InceptionResnet-V2,是用于黑色素瘤诊断的有效工具.
- 人工智能驱动的方法可以提高皮肤癌检测的准确性和效率.
- 对医疗成像人工智能的进一步研究可以改善患者的治疗结果.
