用于前驱期皮肤癌分类的先进深度学习方法
图像与视频处理
2020-03-16 v1 计算机视觉与模式识别
摘要
如今，技术辅助平台在几乎所有领域都提供可靠的解决方案。医学领域中的一个重要应用是初步阶段的皮肤癌分类，这需要灵敏且精确的数据分析。本研究使用了 Kaggle 皮肤癌数据集。所提出的研究包括两个主要阶段。在第一阶段，对图像进行预处理以去除杂波，从而生成精炼的训练图像版本。为此，先应用锐化滤波，随后采用毛发去除算法。使用包括峰值信噪比（PSNR）、均方误差（MSE）、最大绝对平方偏差（MXERR）和能量比/平方范数之比（L2RAT）在内的不同图像质量度量指标，来比较预处理操作前后的整体图像质量。上述图像质量指标的结果证明，图像质量未受损，反而通过应用预处理操作得到提升。所提研究的第二阶段引入了深度学习方法，其在病变痣的准确、精确且鲁棒分类中发挥重要作用。这通过使用两个先进的深度学习模型 Inception-v3 和 MobileNet 得以体现。实验结果表明，使用两个网络的精炼图像版本在训练与验证精度上均有显著提升，然而 Inception-v3 网络取得了更好的验证精度，因此最终被选用于在测试数据上评估。使用先进的 Inception-v3 网络的最终测试精度为 86%。
引用
@article{arxiv.2003.06356,
title = {Advanced Deep Learning Methodologies for Skin Cancer Classification in Prodromal Stages},
author = {Muhammad Ali Farooq and Asma Khatoon and Viktor Varkarakis and Peter Corcoran},
journal= {arXiv preprint arXiv:2003.06356},
year = {2020}
}
备注
Paper Published in AICS 2019