基于卷积神经网络的皮肤癌图像分类
图像与视频处理
2022-02-03 v1 计算机视觉与模式识别
机器学习
摘要
皮肤癌是人类最常见的恶性肿瘤（美国癌症协会），其诊断主要依赖视觉，从初步临床筛查开始，随后可能进行皮肤镜（与皮肤相关）分析、活检和组织病理学检查。当皮肤细胞的 DNA 发生错误（突变）时，就会引发皮肤癌。突变导致细胞失控生长并形成癌细胞团块。本研究的目的是尝试借助卷积神经网络对皮肤病变图像进行分类。深度神经网络在考虑环境所表现出的巨大可变性的同时，展现出用于图像分类的巨大潜力。此处我们基于像素值训练图像，并根据疾病标签对其进行分类。数据集获取自一个开源 Kaggle 仓库（Kaggle 数据集），该仓库本身的数据来自 ISIC（国际皮肤影像协作组织）档案。训练在多个模型上进行，并辅以迁移学习。所达到的最高模型准确率超过 86.65%。所用数据集公开可用，以确保上述结果的可信度与可复现性。
引用
@article{arxiv.2202.00678,
title = {Classification of Skin Cancer Images using Convolutional Neural Networks},
author = {Kartikeya Agarwal and Tismeet Singh},
journal= {arXiv preprint arXiv:2202.00678},
year = {2022}
}