一个新的皮肤癌检测模型使用修改过的深CNN分类器模型
Ashwani Kumar1, Mohit Kumar2, Ved Prakash Bhardwaj3
1Department of Computer Science and Engineering, School of Engineering and Technology, Sharda University, Greater Noida, India.
Scientific reports
|May 16, 2024
概括
这项研究引入了修改后的猎深卷积神经网络 (CNN),以改善皮肤癌检测. 这种新的方法提高了准确性,并减少了早期疾病识别的计算时间.
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:
- 皮肤癌是一个重大的健康问题,随着死亡率的上升,需要早期检测.
- 目前的皮肤癌检测方法在准确性和计算效率方面面临挑战.
- 紫外线辐射暴露是导致皮肤癌的皮肤细胞异常生长的主要原因.
研究的目的:
- 开发一种新的,高效的皮肤癌检测方法.
- 提高现有的皮肤癌检测技术的准确性和减少计算时间.
- 为增强疾病识别引入改进的猎深层卷积神经网络 (CNN) 分类器.
主要方法:
- 一个修改后的猎鱼深度CNN分类器被开发用于皮肤癌的检测.
- 集成了猎芬奇优化算法,以有效调整深度CNN的参数.
- 该分类器被评估为其分析相关皮肤癌信息和最大限度地减少错误的能力.
主要成果:
- 经过修改的猎芬奇深度CNN实现了高精度 (93.59% k-fold, 96.52%训练),灵敏度 (92.14% k-fold, 96.69%训练) 和特异性 (95.22% k-fold, 96.54%训练).
- 与现有方法相比,拟议的方法显示出更强大的稳定性和更快的融合.
- 该分类器有效分析了皮肤癌数据,最大限度地减少了诊断错误.
结论:
- 修改后的猎深度CNN为皮肤癌症检测提供了一个高度有效的解决方案.
- 这种新的方法显著提高了诊断的准确性和效率,解决了当前方法的局限性.
- 集成的猎芬奇优化提高了医疗诊断深度CNN的性能和速度.
