一个混合并行卷积尖端神经网络,用于增强皮肤癌检测
1School of Computer Science Engineering and Information Systems, Vellore Institute of Technology, Vellore, Tamilnadu, India.
Scientific reports
|April 1, 2025
概括
一个新的并行卷积尖端神经网络 (PCSN-Net) 模型准确地检测皮肤癌. 这种先进的系统实现了高精度,有助于早期诊断和改善患者对这种广泛传播的疾病的结果.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 在瘤学瘤学.
背景情况:
- 皮肤癌是一种普遍存在的疾病,在晚期检测后的生存率降低.
- 准确及时诊断皮肤癌对于有效治疗至关重要.
- 现有的诊断方法在精度和效率方面面临挑战.
研究的目的:
- 引入一种新的深度学习模型,即并行卷积尖端神经网络 (PCSN-Net),用于增强皮肤癌检测.
- 提高皮肤癌自动诊断的准确性和可靠性.
- 开发一个可用于实时临床应用的可行系统.
主要方法:
- 使用Medav过器进行图像预处理以减少噪音.
- 使用RV系数融合的DeepSegNet对受影响地区的细分.
- 特性提取包括纹理,统计,离散波纹转换 (DWT),局部方向模式 (LDP) 和局部正常导数模式 (LNDP).
- 通过拟议的PCSN-Net进行皮肤癌检测,集成并行卷积神经网络 (PCNN) 和深尖神经网络 (DSNN).
主要成果:
- PCSN-Net实现了高性能指标:95.7%的准确性,94.7%的灵敏性和92.6%的特异性.
- 该模型显示,假阳性率 (FPR) 低10.7%,正预测值 (PPV) 为90.8%.
- 在检测准确性和效率方面,PCSN-Net在检测准确性和效率方面超过了像EfficientNet,DenseNet和Inception-ResNet-V2这样的既定算法.
结论:
- PCSN-Net模型为皮肤癌检测提供了一个高度准确和可靠的解决方案.
- 该系统的性能表明它有可能有效地区分恶性和良性皮肤病变.
- 开发的模型显示了实时临床部署的重大前景,促进了更快,更精确的诊断.
