基于集成学习提升皮肤瘤诊断
计算机视觉与模式识别
2024-09-09 v1
摘要
皮肤瘤是一种日益重要的医学问题，其严重程度从良性到恶性不等。准确诊断对于确保及时和适当的治疗至关重要。本研究 examines 使用深度学习方法辅助诊断皮肤瘤，采用包含七种不同类型皮肤瘤的HAM10000数据集。首先，我们评估了三个预训练模型：MobileNetV2、ResNet18和VGG11，分别实现了0.798、0.802和0.805的准确率。为进一步提高分类准确率，我们开发了采用最大投票、平均投票和堆叠集成模型，实现了0.803、0.82和0.83的准确率。基于最佳表现的集成学习模型（堆叠），我们开发了提出的模型SkinNet，该模型包含定制架构和微调，实现了0.867的准确率和0.96的AUC。这种与单个模型相比具有显着提高的效果，表明了集成学习在提高皮肤瘤分类方面的有效性。
关键词
引用
@article{arxiv.2409.04381,
title = {Enhancing Skin Lesion Diagnosis with Ensemble Learning},
author = {Xiaoyi Liu and Zhou Yu and Lianghao Tan and Yafeng Yan and Ge Shi},
journal= {arXiv preprint arXiv:2409.04381},
year = {2024}
}