用于黑色素瘤检测的深度迁移学习特征与分类模型库
图像与视频处理
2020-09-21 v1 系统与控制
系统与控制
摘要
恶性黑色素瘤是最致命的皮肤癌形式，近年来其全球发病率迅速增长。靶向治疗最有效的方法是早期诊断是早期治疗。深度学习算法，特别是卷积神经网络，代表了一种图像分析与表征的方法。它们优化了特征设计任务，这对于包括医学图像在内的各类图像的自动化处理至关重要。本文采用预训练的深度卷积神经网络架构进行图像表征，以预测皮肤病变黑色素瘤。首先，我们应用迁移学习方法来提取图像特征。其次，我们在集成分类框架中使用迁移得到的特征。具体而言，该框架在平衡子空间上训练个体分类器，并通过统计度量组合所提供的预测。我们在皮肤病变图像数据集上进行了实验，所得结果表明所提方法相对于当前最优（SOTA）对比方法的有效性。
引用
@article{arxiv.2009.08639,
title = {Bucket of deep transfer learning features and classification models for melanoma detection},
author = {Mario Manzo and Simone Pellino},
journal= {arXiv preprint arXiv:2009.08639},
year = {2020}
}
备注
17 pages