基于分数差异化的图像增强,用于自动检测恶性黑色素瘤
Basmah Anber1, Kamil Yurtkan2,3
1Computer Engineering Department, Faculty of Engineering, Cyprus International University, via Mersin10, Nicosia, Northern Cyprus, Turkey. basmaanber2@gmail.com.
BMC medical imaging
|September 2, 2024
概括
这项研究引入了分数差异化,以改善皮肤病变图像分析,以检测黑色素瘤,一种致命的皮肤癌. 这种新方法增强了图像细节,提高了人工智能诊断准确度,以便更早,更精确地检测.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 皮肤病学 皮肤病学
背景情况:
- 皮肤病变,包括黑色素瘤,需要早期诊断才能有效治疗.
- 人工智能 (AI) 和计算机视觉为自动化医疗图像分析提供了潜力.
- 传统的边缘检测方法显示出希望,但需要对复杂的损伤边界进行增强.
研究的目的:
- 探索分数差异化的应用,以改善皮肤病变图像中的边缘检测.
- 提出使用微分差波器的框架,以提高恶性黑色素瘤的自动检测.
- 评估这些改进对基于深度学习的分类模型性能的影响.
主要方法:
- 开发了一种利用微分差波器的新型框架,用于在皮肤病变图像中检测边缘.
- 应用了分数差异化来增强图像特征,改善了病变边界的划分.
- 然后使用深度学习模型 (EfficientNet) 处理增强的图像,在HAM10000数据集上进行分类.
主要成果:
- 提出的基于微分衍生品的增强方法提高了黑色素瘤检测的准确性.
- 该系统在增强图像中实现了81.04%的精度,而在原始图像中达到77.94%.
- 增强的图像始终导致实验中的识别性能得到改善.
结论:
- 分数分化是提高皮肤病变图像边缘检测的有效技术.
- 拟议的方法显示了提高人工智能驱动的黑色素瘤检测系统的准确性和性能的巨大潜力.
- 这种方法有助于皮肤病学自动诊断工具的进步.
