使用先进的自适应微调卷积神经网络进行黑色素瘤和非黑色素瘤皮肤癌自动诊断

科学领域:

• 皮肤病学和人工智能研究
• 医学成像分析 医学成像分析
• 计算病理学计算病理学

背景情况:

• 皮肤癌是全球普遍存在的健康问题,早期发现对有效治疗至关重要.
• 手动查方法耗时且昂贵,凸显了对先进诊断工具的需求.
• 深度学习 (DL) 模型对皮肤癌诊断有前途,但面临着数据稀缺和过度匹配等挑战.

研究的目的:

• 开发一种智能计算机辅助系统,用于皮肤癌的自动诊断.
• 在皮肤癌检测中克服传统机器学习和DL方法的局限性.
• 加强早期查,为皮肤癌患者提供及时的临床决策.

主要方法:

• 一种两阶段的转移学习方法,利用预训练的卷积神经网络 (CNN).
• 在注释的皮肤癌图像上微调CNN,以了解病变和未受影响区域的特征.
• 采用主要组件分析 (PCA) 进行全新的连接层,以捕捉高层特征并减轻过度装配.

主要成果:

• 拟议的系统有效地检测感兴趣的区域 (ROI),并学习图像的层次特征.
• 适应性微调和基于PCA的特征提取成功解决了过度拟合和空间变化.
• 该系统展示了用于准确和高效的皮肤癌自动诊断的巨大潜力.

结论:

• 开发的智能系统为早期发现皮肤癌提供了宝贵的工具.
• 利用DL和转移学习可以改变皮肤癌的诊断,改善患者的治疗结果.
• 这种方法使医疗保健专业人员能够为患者管理提供及时的决策能力.