修改后的Le-Net模型具有多个图像功能,用于皮肤癌检测
Vinay Kumar Y B1, Vimala H S1, Shreyas J2
1Department of Computer Science and Engineering, University of Visvesvaraya College of Engineering (UVCE, IIT Model College) Bangalore University, Bengaluru, India.
Cancer investigation
|June 19, 2025
概括
一个新的修改后的LeNet (MLeNet) 模型与改进的深关节细分 (IDJS) 显著提高了皮肤癌检测的准确性. 这种深度学习方法实现了0.952的积极度值,超过了改善诊断解决方案的传统方法.
科学领域:
- 皮肤病学 皮肤病学
- 计算机科学 计算机科学
- 医疗成像医学成像
背景情况:
- 基于计算机的技术为皮肤癌的检测提供了非侵入性,经济有效和快速的解决方案.
- 精确细分癌症区域对于准确的诊断至关重要.
研究的目的:
- 提出一种基于深度学习 (DL) 的新方法,用于增强皮肤癌检测.
- 为了利用先进的细分技术,改进的深度联合细分 (IDJS),以提高准确性.
主要方法:
- 一个修改后的LeNet (MLeNet) 模型,包含高斯波器,用于在预处理过程中降低噪音.
- 应用IDJS用于精确细分癌症皮肤区域.
- 提取多文本直方图 (MTH),改进的金字塔直方图 (IPHOG) 和中位二进制模式 (MBP) 的特征进行分类.
主要成果:
- 在HAM10000和ISIC 2019数据集上,MLeNet模型实现了0.952的正度值.
- 与传统模型相比,拟议的模型表现出优越的性能,包括LeNet (0.932).
结论:
- 开发的基于DL的方法显著提高了皮肤癌检测的准确性和精度.
- 结合IDJS和高级特征提取,MLeNet模型为皮肤病诊断提供了一个有前途的工具.
更多相关视频
07:15Machine Learning Algorithms for Early Detection of Bone Metastases in an Experimental Rat Model
Published on: August 16, 2020
6.9K
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
8.4K
