相关实验视频
Updated: May 22, 2025
13:19
Deep Neural Networks for Image-Based Dietary Assessment
Published on: March 13, 2021
8.9K
与EfficientNet和ResNet集成的深度学习模型,用于准确的多类皮肤疾病分类.
Madallah Alruwaili1, Mahmood Mohamed2
1Department of Computer Engineering and Networks, College of Computer and Information Sciences, Jouf University, Sakaka 72388, Aljouf, Saudi Arabia.
Diagnostics (Basel, Switzerland)
|March 13, 2025
概括
一个结合三个CNN的新型深度学习模型在皮肤疾病分类方面实现了99.14%的准确性. 这种融合层次的方法提高了皮肤癌等疾病的诊断稳定性和精度.
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:
- 由于患者的变化,对皮肤疾病的医学诊断具有挑战性.
- 准确地分类皮肤癌和瘤等疾病至关重要.
研究的目的:
- 为皮肤疾病分类开发一种稳定,高性能的深度学习模型.
- 通过融合层次的方法来提高诊断准确度.
主要方法:
- 设计了一个融合级深度学习模型,合并了EfficientNet-B0,EfficientNet-B2和ResNet50.
- 该模型使用不同的CNN分支和融合机制提取特征.
- 卡格尔皮肤疾病图像数据集 (27,153张图像) 用于培训,验证和测试.
主要成果:
- 拟议的模型实现了99.14%的准确性.
- 获得了卓越的精度,回忆和F1得分指标.
- 该模型显示了高分类精度.
结论:
- 深度学习模型显示了自动化皮肤病诊断的巨大潜力.
- 这种方法对皮肤疾病分类的临床应用具有前景.
