一种用于红斑鳞屑性疾病诊断的混合深度学习方法
机器学习
2020-09-18 v2 机器学习
摘要
红斑鳞屑性疾病（ESD）的诊断在皮肤病学中被视为难题。ESD 是一种皮肤病，通常引起皮肤发红，也可能导致皮肤脱落，一般源于遗传或环境因素。ESD 包含六类皮肤病症，即毛发红糠疹、扁平苔藓、慢性皮炎、银屑病、脂溢性皮炎和玫瑰糠疹。ESD 的自动化诊断可帮助医生和皮肤科医生减少工作量并更快做出治疗决策。文献中大量工作使用传统机器学习方法诊断 ESD，但深度学习应用于 ESD 诊断的实例不多。本文提出一种新颖的混合深度学习方法即 Derm2Vec 用于 ESD 诊断。Derm2Vec 是一种由自动编码器与深度神经网络组成的混合深度学习模型。我们还应用常规深度神经网络（DNN）对 ESD 进行分类。我们将 Derm2Vec 与 DNN 及其他传统机器学习方法应用于真实世界皮肤病学数据集。Derm2Vec 方法表现最佳（以预测准确率为考量），其后依次为 DNN 与极端梯度提升。Derm2Vec、DNN 与极端梯度提升的平均 CV 分数分别为 96.92%、96.65% 和 95.80%。
引用
@article{arxiv.1909.07587,
title = {A Hybrid Deep Learning Approach for Diagnosis of the Erythemato-Squamous Disease},
author = {Sayan Putatunda},
journal= {arXiv preprint arXiv:1909.07587},
year = {2020}
}
备注
Pre-review version of the paper accepted at the 2020 IEEE International Conference on Electronics, Computing and Communication Technologies (CONECCT)