CAD-Skin:一种混合卷积神经网络-自编码框架,用于精确检测和分类皮肤病变和癌症
Abdullah Khan1, Muhammad Zaheer Sajid1, Nauman Ali Khan1
1Department of Computer Software Engineering, Military College of Signals, National University of Science and Technology, Islamabad 44000, Pakistan.
Bioengineering (Basel, Switzerland)
|April 26, 2025
概括
这项研究介绍了CAD-Skin,这是一种用于准确检测皮肤癌的新型深度学习系统. 它在分类皮肤病变方面取得了很高的准确性,有助于皮肤科医生并改善患者的治疗结果.
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:
- 由于良性和恶性生长之间的形态相似性,准确的皮肤病变诊断具有挑战性.
- 深度学习算法显示出希望,匹配皮肤科医生在基于图像的皮肤病变分析中的诊断效果.
研究的目的:
- 提出一种新的深度学习算法,CAD-Skin,用于增强皮肤癌的检测和分类.
- 通过使用深层卷积神经网络和自动编码器,提高皮肤病变的分类效率.
主要方法:
- 开发了CAD-Skin系统,集成深层卷积神经网络和自动编码器.
- 采用先进的预处理:多尺度的视网膜,马校正,不清晰的掩饰和自适应式直方图等级.
- 用于不平衡数据集的数据增强和集成的量子支持向量机 (QSVM) 进行分类.
主要成果:
- 在PAD-UFES-20-Modified上达到98%的高准确率,在ISIC-2018上达到99%,在ISIC-2019数据集上达到99%.
- 对于特定的皮肤疾病,已证明的最低准确率为97.43%.
- 在皮肤病变分类准确度方面,超越了现有的最先进的方法.
结论:
- 该CAD-皮肤系统提供精确的诊断和及时检测皮肤异常.
- 拟议的系统增强了对各种严重程度的皮肤疾病 (包括黑色素瘤) 的类别识别.
- CAD-Skin为临床医生提供了改进的诊断选择,可能会提高患者的满意度.
