贝叶斯边缘系统用于医学物联网中的皮肤病变的分类和细分
Shahid Naseem1, Muhammad Anwar1, Muhammad Faheem2
1Department of Information Sciences, Division of Science and Technology, University of Education, Lahore, Pakistan.
概括
这项研究引入了一种新的贝叶斯边缘网络,用于精确的皮肤病变细分,在没有增加计算负载的情况下,提高了高达87.80%的诊断性能. 这一进步有助于皮肤疾病的早期检测和风险评估.
科学领域:
- 皮肤病学和医学成像学
- 医疗保健中的人工智能
背景情况:
- 准确识别和细分非典型的皮肤区域对于诊断严重的皮肤疾病和为临床决策提供信息至关重要.
- 皮肤病变细分的挑战包括恶性和非恶性病变之间的视觉相似性以及图像特征的变化.
- 深度学习模型显示了改善皮肤病变细分的准确性和效率的前景.
研究的目的:
- 开发一个先进的皮肤病变细分模型,整合贝叶斯推理和边缘智能.
- 提高皮肤病变细分的准确性和效率,以提高诊断性能.
主要方法:
- 拟议的模型利用边缘智能用于皮肤病变细分中的纹理特征提取.
- 用贝叶斯推理来提高细分过程的准确性和效率.
- 该研究分析了输入数据,模型架构和评估指标,包括性能和注释要求.
主要成果:
- 贝叶斯边缘网络在皮肤病变的诊断性能方面取得了显著的改进.
- 实验结果显示,诊断性能的提升高达87.80%.
- 该模型实现了高性能,而不需要额外的参数或繁重的计算.
结论:
- 开发的贝叶斯边缘网络有效地提高了皮肤病变诊断性能.
- 该模型为准确的皮肤病变细分提供了计算效率高的解决方案.
- 这种方法有助于更好地评估皮肤病的风险和决策.
