皮肤癌检测应用程序的比较分析,使用基于组图的局部描述符

科学领域:

• 皮肤病学和医学成像学
• 计算机科学和机器学习

背景情况:

• 皮肤癌对健康构成重大风险,但早期检测显著提高了生存率 (>95%).
• 增加的发病率,死亡率和医疗保健费用需要先进的皮肤癌早期检测方法.
• 目前的检测依赖于分析病变特征,如大小,形状,对称性和颜色.

研究的目的:

• 为了比较各种皮肤癌检测方法的有效性.
• 为了确定分类良性和恶性皮肤病变的最成功的方法.
• 评估特征提取描述符和皮肤癌诊断分类算法.

主要方法:

• 使用本地二进制模式 (LBP),本地定向数字模式 (LDN),定向梯度直线图的金字塔 (PHOG),本地定向模式 (LDiP) 和单元二进制编码 (MBC) 的特征提取.
• 使用支持矢量机器 (SVM) 和XGBoost.使用分类.
• 利用基于彩色图形的基于彩色图形的特征来进行增强的分类.

主要成果:

• 基于颜色直方图的功能在实施的应用程序中表现出卓越的性能.
• 使用彩色LDN特征 (YCbCr颜色空间,XGBoost) 提出的一种方法在数据集1上实现了90%的准确性.
• 使用彩色MBC特征 (HSV颜色空间,XGBoost) 提出的类似方法在HAM10000数据集上实现了96.50%的准确性.

结论:

• 基于颜色直方图的特征对皮肤癌的检测非常有效.
• 提出的方法,特别是那些结合特定颜色空间和XGBoost分类器的方法,显示出对准确的皮肤癌诊断有很大的希望.
• 对这些先进的特征提取和分类技术的进一步研究可以带来改进的早期检测系统,可能挽救生命.