一个智能机制来检测多因素皮肤癌.
Abdullah1, Ansar Siddique1, Kamran Shaukat2,3
1Department of Computer Sciences, Bahria University Lahore Campus, Lahore 54600, Punjab, Pakistan.
Diagnostics (Basel, Switzerland)
|July 13, 2024
概括
这项研究引入了一个深度序列卷积神经网络 (CNN) 模型,用于准确的皮肤病变分类. 该模型实现了96.25%的准确性,超过了改善黑色素瘤检测的现有方法.
科学领域:
- 人工智能的人工智能
- 医疗成像医学成像
- 皮肤病学 皮肤病学
背景情况:
- 深度学习,特别是卷积神经网络 (CNN),代表了计算机辅助医学诊断的最新方法.
- 准确的皮肤病变分类对于及时有效的患者治疗至关重要.
研究的目的:
- 开发和评估一个深度序列CNN模型,用于增强皮肤病变分类.
- 提高检测恶性和良性皮肤病变的准确性和效率.
主要方法:
- 为图像预处理,特征提取和病变检测提出了一个两级深度序列CNN模型.
- 该模型在HAM 10,000数据集上进行了训练,验证和测试.
- 集成了一个网络工具,用于增强可视化和患者健康诊断支持.
主要成果:
- 序列CNN模型在分类皮肤病变方面实现了96.25%的准确性.
- 拟议的模型与现有的各种方法相比,表现优越,包括CNN转移学习,VGG 19,ResNet-50 + VGG-16,Inception v3,Vision Transformers和Entropy-NDOELM.
- 评估方法和用户反验证了与当前最先进的技术相比的重大改进.
结论:
- 深度学习,CNN和顺序CNN显示出在医学成像中疾病检测和分类的巨大潜力.
- 开发的模型为彻底改变黑色素瘤检测和提高患者护理提供了有希望的进步.
更多相关视频
09:37Combining Reflectance Confocal Microscopy with Optical Coherence Tomography for Noninvasive Diagnosis of Skin Cancers via Image Acquisition
Published on: August 18, 2022
2.3K
11:02The Three-Dimensional Human Skin Reconstruct Model: a Tool to Study Normal Skin and Melanoma Progression
Published on: August 3, 2011
49.6K
