基于不同深度学习卷积神经网络算法的皮肤科医生级皮肤镜皮肤癌分类
计算机视觉与模式识别
2018-10-25 v1 机器学习
机器学习
摘要
本文研究了卷积神经网络在 8 种皮肤病分类中的有效性与能力。采用不同的预训练前沿架构（DenseNet 201、ResNet 152、Inception v3、InceptionResNet v2）应用于总计 10135 张皮肤镜皮肤图像（HAM10000：10015，PH2：120）。所用数据集包含 8 个诊断类别——黑色素瘤、黑素细胞痣、基底细胞癌、良性角化病、光化性角化病与上皮内癌、皮肤纤维瘤、血管病变和非典型痣。旨在比较深度学习能力与训练有素的皮肤科医生的表现。总体而言，平均结果显示所有深度学习模型均优于皮肤科医生（至少 11%）。黑色素瘤和基底细胞癌的最佳 ROC AUC 值分别为 94.40%（ResNet 152）和 99.30%（DenseNet 201），而皮肤科医生分别为 82.26% 和 88.82%。此外，DenseNet 201 在整体分类中具有最高的宏平均与微平均 AUC 值（分别为 98.16%、98.79%）。
引用
@article{arxiv.1810.10348,
title = {Dermatologist Level Dermoscopy Skin Cancer Classification Using Different Deep Learning Convolutional Neural Networks Algorithms},
author = {Amirreza Rezvantalab and Habib Safigholi and Somayeh Karimijeshni},
journal= {arXiv preprint arXiv:1810.10348},
year = {2018}
}