牛皮严重程度评估:通过深度学习优化诊断模型
Aga Maulana1,2, Teuku R Noviandy1, Rivansyah Suhendra3
1Department of Informatics, Faculty of Mathematics and Natural Sciences, Universitas Syiah Kuala, Banda Aceh, Indonesia.
Narra J
|January 16, 2025
概括
深度学习模型可以准确地分类牛皮的严重程度. ResNet50获得了92.50%的准确性,为客观的牛皮评估和改善治疗计划提供了潜力.
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:
- 牛皮的严重程度评估是具有挑战性的,因为微妙的视觉差异.
- 准确的分类对于有效的治疗计划至关重要.
研究的目的:
- 评估用于自动化牛皮严重程度分类的深度学习模型.
- 为此任务确定最佳的深卷积神经网络 (DCNN).
主要方法:
- 预先处理了1546张牛皮图像的数据集,并将其分类为四个严重程度 (没有,轻度,中度,严重).
- 五个DCNN (ResNet50,VGGNet19,MobileNetV3,MnasNet,EfficientNetB0) 进行了培训和验证,其中包括:
- 性能指标包括准确度,精度,灵敏度,特异性和F1分数,并进行统计测试进行比较.
主要成果:
- ResNet50以92.50%的准确度表现出卓越的性能.
- ResNet50实现了高精度 (93.10%),灵敏度 (92.50%),特异性 (97.37%) 和F1得分 (92.68%).
结论:
- ResNet50显示了对持续和客观的牛皮严重程度评估的巨大潜力.
- 这种自动化方法可以帮助皮肤科医生进行诊断和治疗计划.
- 建议进行进一步的临床验证,以便广泛采用.
