在计算机辅助皮肤癌检测中用于黑色素瘤诊断的高级深度学习模型
Ranpreet Kaur1, Hamid GholamHosseini2, Maria Lindén3
1Department of Software Engineering & AI, Media Design School, Auckland 1010, New Zealand.
Sensors (Basel, Switzerland)
|February 13, 2025
概括
早期检测黑色素瘤,最致命的皮肤癌,至关重要. 这项研究开发了一种计算机辅助诊断 (CAD) 的自动化模型,通过皮肤镜图像对黑色素瘤进行分类,其准确度达到93.40%.
科学领域:
- 皮肤病学 皮肤病学
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 黑色素瘤是最致命的皮肤癌,由于视觉检查的局限性,经常被诊断为晚期.
- 早期检测和及时治疗对于限制黑色素瘤的严重程度至关重要.
研究的目的:
- 开发有效的计算机辅助诊断 (CAD) 方法来检测黑色素瘤.
- 增强预处理,细分和分类阶段,以提高诊断准确度.
主要方法:
- 一种混合方法,将形态操作和深度神经网络结合起来,用于图像预处理 (去除毛线,增强对比度).
- 一个基于深度学习的细分网络来隔离损伤区域.
- 一个深度神经网络用于使用ISIC 2020数据集对黑色素瘤与良性病变进行分类.
主要成果:
- 包含预处理和细分的分类模型实现了93.40%的准确率.
- 该模型展示了每张图像1.3秒的高效测试时间.
- 在使用清理和分段图像与原始图像时,比较显示出更高的性能.
结论:
- 自动化CAD模型显著提高了早期皮肤癌检测的准确性.
- 预处理和细分是提高黑色素瘤分类性能的关键步骤.
- 提出的方法为协助皮肤科医生在黑色素瘤诊断方面提供了一个有前途的工具.


