基于增强喉优化算法的Xception神经网络用于皮肤癌诊断:一种最佳的方法
Xiaofei Tang1, Fatima Rashid Sheykhahmad2,3
1School of Computer Science and Software Engineering, University of Science and Technology Liaoning, Anshan, 114051, Liaoning, China.
Heliyon
|March 7, 2024
概括
这项研究引入了一个优化的Xception神经网络,用于非侵入性皮肤癌诊断. 这种新的方法通过使用深度学习和生物灵感算法显著提高了检测准确度和回忆率.
科学领域:
- 皮肤病学 皮肤病学
- 人工智能的人工智能
- 医疗成像医学成像
背景情况:
- 皮肤癌的诊断依赖于通常具有侵入性,耗时或缺乏可靠性的方法.
- 对于早期发现皮肤癌的先进,自动化和非侵入性诊断工具有着至关重要的需求.
研究的目的:
- 开发和验证一种新的,自动化的,非侵入性的方法,用于准确的皮肤癌诊断.
- 通过优化算法提高皮肤病变分类的深度学习模型的性能.
主要方法:
- 利用Xception神经网络,一个深度学习模型,从皮肤镜图像中提取高级特征.
- 优化了Xception网络参数使用增强喉优化 (BDTO) 算法,这是一个生物启发的技术.
- 在ISIC数据集上使用图像预处理和数据增强,以提高图像质量和模型概括性.
主要成果:
- 提出的方法实现了高诊断性能,平均精度为94.936%,准确率为94.206%,回忆率为97.092%.
- 与几种当代皮肤癌检测方法相比,其表现优越.
- 通过5倍ROC曲线和错误曲线分析验证了该方法的稳定性和优势.
结论:
- 经BDTO优化的Xception神经网络为皮肤癌诊断提供了一个高度准确和高效的非侵入性方法.
- 这种人工智能驱动的方法比现有的诊断技术有了显著的进步,改善了患者的治疗结果.
- 这项研究强调了优化深度学习模型在彻底改变皮肤病诊断方面的潜力.
