皮肤LesNet:皮肤病变的分类和黑色素瘤癌症的检测使用一个新的多层深卷积神经网络
Muhammad Azeem1, Kaveh Kiani1, Taha Mansouri1
1School of Science, Engineering & Environment, University of Salford, Manchester M5 4WT, UK.
Cancers
|January 11, 2024
概括
一个新的深度学习模型,SkinLesNet,准确地分类皮肤病变,如黑色素瘤. 这一进步有助于诊断皮肤癌,改进了现有的深度学习方法.
科学领域:
- 皮肤病学和人工智能研究
- 医学图像分析 医学图像分析
- 计算病理学计算病理学
背景情况:
- 皮肤癌是全球普遍存在的健康问题,由于病变的变化,诊断具有挑战性.
- 皮肤病变的准确分类对于有效的治疗和患者的治疗结果至关重要.
- 深度学习在基于图像的皮肤病变诊断方面表现有前途,与皮肤科医生的准确性相匹配.
研究的目的:
- 开发和评估一种新的深层卷积神经网络,SkinLesNet,用于增强皮肤病变分类.
- 提高诊断常见皮肤病变 (包括黑色素瘤) 的效率和准确性.
- 根据已建立的深度学习模型验证SkinLesNet的性能.
主要方法:
- 设计和实施了一个多层深层卷积神经网络,SkinLesNet.
- 为了培训和测试,PAD-UFES-20数据集进行了修改和增强.
- 在PAD-UFES-20-Modified,HAM10000和ISIC2017数据集上评估了SkinLesNet的性能,与ResNet50和VGG16.6进行了比较.
主要成果:
- 在所有测试的数据集中,SkinLesNet表现出卓越的分类性能.
- 这种新型网络的表现始终优于ResNet50和VGG16等基准模型.
- 这项研究证实了SkinLesNet在区分不同类型的皮肤病变方面的有效性.
结论:
- 在皮肤病变的自动诊断方面,SkinLesNet代表了显著的进步.
- 该模型的高精度为改善皮肤癌的早期检测和管理提供了潜力.
- 进一步的研究可以探索SkinLesNet在皮肤病学实践的临床环境中的应用.
