使用鱼优化算法增强的ResNet 50用于癌症预测的AI驱动皮肤损伤诊断

科学领域:

• 皮肤病学
• 计算机科学
• 人工智能

背景情况:

• 皮肤病变的二元分类对于早期癌症检测至关重要.
• 像ResNet-50这样的深度学习模型是有前途的, 但需要优化临床准确性和效率.

研究的目的:

• 提高ResNet-50模型对皮肤损伤的二元分类的性能.
• 使用鱼优化算法 (WOA) 优化ResNet-50的超参数.

主要方法:

• 对比了五个卷积神经网络 (CNN) 架构:AlexNet,GoogleNet,VGG16,ResNet-50和WOA优化的ResNet-50.
• 在3600张皮肤镜像 (1800张良性图像,1800张恶性图像) 的平衡数据集上训练模型.
• 使用WOA优化ResNet-50超参数 (学习速率,权重,偏差),并使用准确度,精度,回忆,F1分数,MCC,日志损失,AUC-ROC和推断时间来评估性能.

主要成果:

• WOA优化的ResNet-50实现了98.29%的准确性,超过了标准的ResNet-50 (90.13%) 和其他CNN.
• 优化的模型显示出优异的回忆率 (99. 31%),特异性 (97. 07%) 和AUC-ROC (99. 84%).
• 与标准ResNet-50 (1.029s) 相比,获得更快的推断时间,错误分类最小.

结论:

• 优化WOA的ResNet-50显著提高了皮肤病变分类的准确性,回忆力,特异性和计算效率.
• 这种方法提供了卓越的预测性能和快速推断,有助于皮肤病诊断和临床决策.
• 未来的工作可以将这种方法扩展到多类分类和实时医学成像系统.