用于皮肤病变分类的深度学习
计算机视觉与模式识别
2017-03-14 v1
摘要
黑色素瘤是一种恶性皮肤癌，对生命构成极大威胁。由于早期黑色素瘤治愈率极高，因此早期诊断至关重要。通过分析皮肤镜图像中皮肤表面的病变，可以检测良性和恶性皮肤癌。本工作开发了一个自动化皮肤病变检测系统，该系统利用 Google 预训练的 CNN 模型 Inception-v3 \cite{cnn} 学习图像表示。在获得输入皮肤镜图像的表示向量后，我们训练了一个两层前馈神经网络，将图像分类为恶性或良性。该系统还使用另一个神经网络，根据癌症是否由黑素细胞或非黑素细胞引起对图像进行分类。这些分类任务是 2017 年国际皮肤成像合作组织 (ISIC) 组织的挑战赛的一部分。我们的系统基于挑战赛提供的训练图像构建模型来学习分类，并使用验证集和测试集评估实验结果。我们的系统在验证集上取得了 65.8% 的整体准确率。
引用
@article{arxiv.1703.04364,
title = {Deep Learning for Skin Lesion Classification},
author = {P. Mirunalini and Aravindan Chandrabose and Vignesh Gokul and S. M. Jaisakthi},
journal= {arXiv preprint arXiv:1703.04364},
year = {2017}
}
备注
3 pages with 3 figures