ISIC 2018 机器学习挑战赛中的 Deep-CLASS
机器学习
2018-07-25 v1 机器学习
摘要
本文报道 MedAusbild 团队在 ISIC 挑战赛任务中的方法与评估结果。自 2017 年初，本团队致力于黑色素瘤分类[1][6]，并于 2018 年初起采用深度学习[7]。深度学习通过分析医学数据（如医学图像）绝对有助于研究者治疗与检测疾病。各类深度学习模型中具代表性的模型之一是卷积神经网络（CNN）。尽管本团队已有良恶性皮肤病变分割与分类的经验，我们仍参与了 ISIC Challenge 2018 的任务 3，即七种皮肤病的分类，本文予以说明。
引用
@article{arxiv.1807.08993,
title = {Deep-CLASS at ISIC Machine Learning Challenge 2018},
author = {Sara Nasiri and Matthias Jung and Julien Helsper and Madjid Fathi},
journal= {arXiv preprint arXiv:1807.08993},
year = {2018}
}
备注
4 pages, 1 Appendix, 2 figures, 1 table. ISIC 2018