一种用于皮肤癌分类的可解释深度学习方法
图像与视频处理
2023-12-19 v1 计算机视觉与模式识别
摘要
皮肤癌是一个严重的全球性健康问题，精确且早期的检测对于改善患者预后和有效治疗至关重要。在本研究中，我们使用现代深度学习方法和可解释人工智能(XAI)方法来解决皮肤癌检测问题。为了对皮肤病变进行分类，我们采用了四种最先进的预训练模型：XceptionNet、EfficientNetV2S、InceptionResNetV2和EfficientNetV2M。使用图像增强方法来减少类别不平衡并提高模型的泛化能力。由于实现了可解释人工智能(XAI)，我们的模型决策过程得以阐明。在医学领域，可解释性对于建立可信度以及促进将AI驱动的诊断技术融入临床工作流程至关重要。我们确定XceptionNet架构是性能最佳的模型，准确率达到88.72%。我们的研究展示了深度学习和可解释人工智能(XAI)如何改善皮肤癌诊断，为医学图像分析的未来发展奠定基础。这些技术实现早期和精确检测的能力可以改善患者护理、降低医疗成本，并提高皮肤癌患者的生存率。源代码：https://github.com/Faysal-MD/An-Interpretable-Deep-Learning?Approach-for-Skin-Cancer-Categorization-IEEE2023
引用
@article{arxiv.2312.10696,
title = {An Interpretable Deep Learning Approach for Skin Cancer Categorization},
author = {Faysal Mahmud and Md. Mahin Mahfiz and Md. Zobayer Ibna Kabir and Yusha Abdullah},
journal= {arXiv preprint arXiv:2312.10696},
year = {2023}
}