马群优化与门反复单元用于不同面部皮肤疾病的自动分类
1Department of Computer Science and Engineering, Saveetha School of Engineering, Saveetha Institute of Medical and Technical Sciences, Chennai, India. eanbalagan77@gmail.com.
Journal of imaging informatics in medicine
|February 12, 2024
概括
一个新的深度学习模型使用门反复单元 (GRU) 准确检测面部皮肤疾病. 这种先进的系统为早期诊断提供了高度准确和高效的解决方案,其性能优于现有的方法.
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
- 深度学习应用程序
背景情况:
- 面部皮肤疾病由于高成本和有限的专业知识而带来了诊断挑战.
- 目前的检测方法通常很慢,在早期阶段缺乏准确性.
- 准确及时诊断对于有效治疗各种皮肤疾病至关重要.
研究的目的:
- 开发一个准确和高效的深度学习模型,用于面部皮肤疾病的分类.
- 解决现有的耗时且不准确的诊断方法的局限性.
- 提高早期检测率,治疗诸如,湿疹和等疾病.
主要方法:
- 使用基于深度学习的门循环单元 (GRU) 模型.
- 在图像预处理中采用非线性扩散,自适应式直方图平衡 (AHE) 和高提升过 (HBF).
- 使用灰色水平运行长度矩阵 (GLRM) 和色彩共发生局部二进制模式 (CCoLBP) 提取的特征,通过马群优化 (HOA) 选择.
主要成果:
- 拟议的GRU模型实现了98.2%的准确性,1.8%的错误率,97.1%的精度和95.5%的F1得分.
- 与现有的面部皮肤疾病检测技术相比,其表现优越.
- 成功地分类了各种面部皮肤疾病,包括粉红疹,湿疹和.
结论:
- 开发的深度学习模型为面部皮肤疾病的分类提供了高度准确和高效的解决方案.
- 拟议的方法显著改进了当前的诊断技术,使得早期和更可靠的检测.
- 该模型为皮肤病诊断提供了一个有前途的工具,提高了患者的护理和治疗结果.
