卷积神经网络微调参数对皮肤癌检测的影响
Zaib Unnisa1, Asadullah Tariq2, Nadeem Sarwar3
1Department of Computer Science and Information Technology, Superior University, Lahore, 54670, Pakistan.
Scientific reports
|April 28, 2025
概括
微调卷积神经网络 (CNN) 参数显著提高了黑色素瘤检测准确度. 优化CNN可以提高皮肤癌的早期诊断,并可能挽救生命.
科学领域:
- 人工智能的人工智能
- 医疗成像医学成像
- 在瘤学瘤学.
背景情况:
- 黑色素瘤皮肤癌的死亡率很高,需要及时诊断才能有效治疗.
- 人工智能 (AI),特别是机器学习 (ML) 和深度学习 (DL),提供了快速癌症检测能力.
- 现有的DL模型在大型数据集上表现出色,但在较小的数据集上扎,而ML在较小的数据集上表现更好.
研究的目的:
- 研究参数调节对卷积神经网络 (CNN) 检测黑色素瘤的性能的影响.
- 识别特定的CNN参数调整,以提高皮肤癌图像的分类准确度.
主要方法:
- 使用CNN架构进行了广泛的实验.
- 关键参数,包括网络深度 (层),每个Conv2D层的过器数量,以及停课规范化,都被系统地变化.
- 模型性能是根据分类准确性来评估的.
主要成果:
- 优化CNN参数导致精度从62.5%提高到85%.
- 添加卷积层,增加Conv2D层内的过器,并删除掉落层被确定为关键的改进.
- 该研究强调了微调CNN参数对分类性能的影响.
结论:
- 微调CNN参数是一种强大的策略,可以提高黑色素瘤检测准确度.
- 这些发现为研究人员开发基于CNN的模型进行皮肤癌图像分析提供了宝贵的指导.
- 优化的CNN模型可以帮助快速准确地诊断黑色素瘤,改善患者的治疗结果.
