使用双阶段卷积神经网络对恶性黑色素瘤的自动预测
J Angeline1, A Siva Kailash1, J Karthikeyan1
1Department of Electronics and Communication Engineering, Amrita School of Engineering, Amrita Vishwa Vidyapeetham, Coimbatore, India.
Archives of dermatological research
|May 25, 2024
概括
本研究介绍了一种两阶段卷积神经网络 (CNN) 模型,用于自动检测皮肤癌. 功能融合显著提高了预测准确度,为传统方法提供了不那么痛苦的替代方案.
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:
- 皮肤病变可以是良性或恶性,恶性病变表明皮肤癌.
- 皮肤癌是美国最常见的癌症,传统的检测方法可能是痛苦的.
- 自动检测系统为早期和准确的诊断提供了一个有希望的替代方案.
研究的目的:
- 开发和评估一种用于皮肤癌预测和分类的自动化系统.
- 为了研究两阶段卷积神经网络 (CNN) 方法的有效性.
- 为了比较特征融合与传统方法的性能.
主要方法:
- 一个两阶段的CNN被用于自动化皮肤癌预测.
- 第一个CNN阶段提取了低级特征,第二个提取了高级特征.
- 特征与ABCD (不对称性,边界不规则性,颜色变化,直径) 技术融合,并使用集体和机器学习模型进行分类.
主要成果:
- 第一个阶段的CNN在数据集创建中实现了97.92%的准确性.
- 第二阶段的CNN在特征选择中实现了98.86%的准确性.
- 两个阶段模型中的特征融合表明了优越的分类性能.
结论:
- 拟议的两阶段CNN模型与功能融合显著提高了皮肤癌预测的准确性.
- 这种自动化方法为皮肤癌诊断提供了一种潜在的不那么侵入性和更有效的方法.
- 建议对各种数据集进行进一步验证,以确认可概括性.
更多相关视频
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
8.2K
06:32Author Spotlight: Unlocking Insights into the Immune Cell Landscape of Tumors
Published on: August 18, 2023
2.0K
