基于深度学习蜱传皮肤损伤的自动检测与分类
图像与视频处理
2020-11-24 v1 计算机视觉与模式识别
机器学习
摘要
在全球范围内，蜱是多种细菌性、病毒性和寄生虫性疾病的传播元凶。蜱传疾病的发病率在过去十年中急剧上升，仅美国每年的莱姆病病例就估计高达 300,000 例。因此，改进蜱传疾病的损伤识别方法和诊断手段至关重要。本研究的目的是在 Burlina 等人所用方法的基础上，使用多种卷积神经网络模型来检测蜱传皮肤损伤。我们通过从 Google 以七种不同语言获取图像来扩充数据输入，以测试这是否能丰富训练数据并提高皮肤损伤检测的准确率。最终数据集包含近 6,080 张图像，并在多种架构组合上训练（ResNet 34、ResNet 50、VGG 19 和 DenseNet 121）。我们在 DenseNet 121 架构上训练得到的模型准确率为 80.72%。
引用
@article{arxiv.2011.11459,
title = {Automatic Detection and Classification of Tick-borne Skin Lesions using Deep Learning},
author = {Lauren Michelle Pfeifer and Matias Valdenegro-Toro},
journal= {arXiv preprint arXiv:2011.11459},
year = {2020}
}
备注
2 pages, 8 figures, with appendix