基于深度学习的皮肤病变图像分析
图像与视频处理
2021-01-12 v1 计算机视觉与模式识别
机器学习
摘要
皮肤癌是全球最常见的癌症，其中黑色素瘤是最致命的类型。皮肤镜是一种皮肤成像方式，与无辅助的肉眼检查相比，已显示出对皮肤癌诊断的改善。我们基于ISIC-2019皮肤病变分类挑战赛和现有文献，评估了皮肤镜图像分类的当前最先进水平。利用迁移学习和模型微调，将各种在ImageNet数据集上预训练的深度神经网络架构适配到一个由公开可用的皮肤病变皮肤镜图像和临床图像组成的组合训练数据集上。我们考察了这些模型在检测八类皮肤病变时的性能与适用性。我们使用在指定范围内进行随机旋转、平移、剪切和缩放的实时数据增强来增加可用训练样本的数量。模型预测乘以逆类频率并归一化，以更好地近似实际概率分布。通过使用若干个独立训练模型预测的算术平均，进一步提高了整体预测精度。最佳单一模型已作为Web服务发布。
引用
@article{arxiv.2101.03814,
title = {Analysis of skin lesion images with deep learning},
author = {Josef Steppan and Sten Hanke},
journal= {arXiv preprint arXiv:2101.03814},
year = {2021}
}
备注
for source code see: http://github.com/j05t/lesion-analysis