使用DL基技术检测皮肤恶性病变的高维数据分类的评估
B Gunasundari1, R Thiagarajan1
1Department of Computer Science and Engineering, Prathyusha Engineering College, Chennai, Tamil Nadu, India.
Cancer investigation
|May 20, 2024
概括
这项研究引入了Isomap与视觉变压器,以从高维图像中改进皮肤癌分类. 这种方法提高了皮肤病变的诊断准确度,有助于早期检测和治疗.
科学领域:
- 皮肤病学 皮肤病学
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 皮肤癌的诊断依赖于视觉查和病理分析.
- 高维图像数据在准确分类方面存在挑战.
- 深度学习方法对于提高皮肤癌检测率至关重要.
研究的目的:
- 为了评估Isomap与视力变压器相结合的有效性,用于皮肤癌症分类.
- 提高分析高维皮肤病变数据集的准确性和效率.
- 为了提高恶性与良性皮肤病变的分类.
主要方法:
- 使用Isomap,一种非线性维度减小技术,以保存内在数据结构.
- 采用视觉转换器模型来分析高维医学图像.
- 进行比较分析以评估分类绩效指标.
主要成果:
- 异地图有效地减少了数据的复杂性,同时保留了对分类的基本特征.
- 结合Isomap和视力变压器,在皮肤病变的分类方面表现出更高的准确性.
- 皮肤病变数据中的非线性关系得到了更好的保存,有助于区分.
结论:
- 带有视觉变压器的Isomap为准确的皮肤癌分类提供了一个有希望的方法.
- 这种方法提高了复杂,高维的皮肤病变数据集的分析.
- 改进的分类准确性可以有助于在皮肤癌检测中获得更好的患者结果.


