利用深度学习算法用于早期识别和分类皮肤癌
Junaid Iqbal1, Mohammad Faisal1, Subhan Ullah2
1Department of Computer Science, University of Malakand, Chakdara 18800, Pakistan.
Journal, genetic engineering & biotechnology
|December 12, 2025
概括
早期发现恶性黑色素瘤对于有效治疗皮肤癌至关重要. 深度学习模型,特别是EfficientNet-B0,在从图像中识别黑色素瘤方面表现出高准确性,为移动健康应用铺平了道路.
科学领域:
- 皮肤病学和医学成像学
- 医疗保健中的人工智能
背景情况:
- 皮肤癌,特别是恶性黑色素瘤,是一个重大的全球卫生挑战.
- 早期发现黑色素瘤对于成功治疗结果至关重要.
- 图像处理和深度学习为早期黑色素瘤诊断提供了有希望的途径.
研究的目的:
- 评估深度学习模型对于早期黑色素瘤检测的有效性.
- 为了比较EfficientNet-B0,VGG16和Inception-V3在分类黑色素瘤图像中的性能.
- 探索移动平台集成的潜力,以提高可访问性.
主要方法:
- 使用图像预处理技术.
- 在30个时代的PH2和ISIC数据集上训练了EfficientNet-B0,VGG16和Inception-V3模型.
- 根据准确度指标评估模型性能.
主要成果:
- 这三种模型在黑色素瘤检测方面都表现出强的表现.
- EfficientNet-B0获得了92%的最高准确率.
- 发明V3和VGG-16的精度分别达到87%和85%.
结论:
- 深度学习模型是早期发现黑色素瘤的有效工具.
- 在经过测试的模型中,EfficientNet-B0显示出卓越的性能.
- 未来的工作重点是开发一个移动平台,用于随时检测黑色素瘤,改善可访问性和用户采用.


