一个混合CNN框架DLI-Net用于用XAI检测
Shaila Sharmin1, Fahmid Al Farid2, Md Jihad3
1Department of Computer Science, American International University-Bangladesh, Dhaka 1229, Bangladesh.
Journal of imaging
|April 25, 2025
概括
本研究提出了一种新的混合深度学习模型,用于准确检测和分类. 人工智能模型实现了97%的准确性,显著改善了皮肤病治疗和患者的治疗结果.
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:
- 是一种常见的皮肤疾病,影响健康.
- 准确的检测对于有效的皮肤病治疗至关重要.
- 深度学习显示了改善诊断速度和准确性的前景.
研究的目的:
- 引入一种新的混合深度学习模型来检测和分类.
- 为了提高皮肤病学的诊断准确性和效率.
- 通过人工智能改善临床决策和患者结果.
主要方法:
- 开发了一个混合模型,将DeepLabV3用于细分和InceptionV3用于分类.
- 在一个定制数据集上训练模型.
- 使用Grad-CAM进行可视化,以提高模型的可解释性.
主要成果:
- 实现了97%的验证和测试准确度的卓越性能.
- 获得了0.97.7的F1分数,精度和回忆.
- 在检测和分类方面表现优于现有的基线模型.
结论:
- 混合人工智能模型为检测提供了强大而准确的解决方案.
- 人工智能在皮肤病学中具有变革性的潜力,可以改善临床决策和患者护理.
- 通过Grad-CAM增强的模型解释性提供了透明的见解.
