在智能医疗保健系统中,利用卷积神经网络优化皮肤癌查
Ali Raza1, Akhtar Ali1, Sami Ullah2
1Department of Mathematics, Government College University, Faisalabad, Pakistan.
PloS one
|March 25, 2025
概括
这项研究引入了一个优化的卷积神经网络 (CNN) 模型,具有新的NGNDG-AF激活功能,用于准确的皮肤癌分类. 人工智能系统实现了高精度,有助于早期检测和改善患者的治疗结果.
科学领域:
- 人工智能在医学中的应用
- 计算病理学计算病理学
- 皮肤病学 皮肤病学
背景情况:
- 皮肤癌的诊断依赖于临床检查,这可能是主观的,耗时的和昂贵的.
- 早期发现皮肤癌对于有效治疗和改善患者预后至关重要.
- 卷积神经网络 (CNN) 为更快,更准确的疾病识别提供了潜力.
研究的目的:
- 为可靠的皮肤癌分类开发优化的CNN模型,解决阶级不平衡问题.
- 通过使用可解释AI (XAI) 技术,如Grad-CAM和Grad-CAM++来评估模型的可解释性.
- 创建一个端到端的智能医疗保健系统,用于早期发现皮肤癌.
主要方法:
- 开发了一个新的激活功能,NGNDG-AF,以提高CNN的性能.
- 利用优化的CNN和ResNet152V2与HAM10000数据集用于分类七种皮肤癌类型.
- 使用RMSprop和Adam优化器,NGNDG-AF激活,以及用于模型培训和评估的持久交叉验证.
主要成果:
- 使用NGNDG-AF优化的CNN在未见数据上表现出优于ResNet152V2的性能.
- 实现了高分类准确率:在培训中99%,在验证中98%
- 新的NGNDG-AF激活功能改善了网络配件,通用化,融合,并降低了计算成本.
结论:
- 优化的CNN模型,特别是具有NGNDG-AF激活功能,为皮肤癌分类提供了可靠和准确的方法.
- 开发的系统与XAI集成,为医疗保健提供者提供了一种有价值的工具,以协助早期发现皮肤癌.
- 这种人工智能驱动的方法有可能显著提高诊断速度和准确性,从而改善患者治疗结果.
