基于混合特征融合技术的皮肤癌检测集成深度学习模型
图像与视频处理
2025-03-26 v2 计算机视觉与模式识别
机器学习
摘要
皮肤癌是一种由 DNA 损伤引起的严重且可能致命的疾病。早期检测可显著提高生存率，使得准确诊断至关重要。本研究提出一种基于深度学习 (DL) 的混合框架，实现对良性和恶性皮肤 lesions 的精准分类。该方法首先进行数据集预处理以提高分类准确度，随后训练两个预训练的 DL 模型：InceptionV3 和 DenseNet121。通过采用加权求和规则融合两个模型的结果，本系统实现了卓越的准确率。具体而言，我们实现了 92.27% 的检测准确率、92.33% 的灵敏度、92.22% 的特异度、90.81% 的精确度和 91.57% 的 F1 分数，超越了现有模型，显示出该混合方法的稳健性与可信度。本研究在皮肤癌诊断方面取得了显著进展，为该领域的进一步研究提供了有前景的基础。通过更早的检测，可拯救无数生命，我们的混合深度学习方法是与皮肤癌搏斗中的一种颠覆性方法。
引用
@article{arxiv.2410.14489,
title = {An Integrated Deep Learning Model for Skin Cancer Detection Using Hybrid Feature Fusion Technique},
author = {Maksuda Akter and Rabea Khatun and Md. Alamin Talukder and Md. Manowarul Islam and Md. Ashraf Uddin},
journal= {arXiv preprint arXiv:2410.14489},
year = {2025}
}