基于扩展特征空间的自动黑色素瘤检测系统
机器学习
2023-01-03 v2
摘要
黑色素瘤是最致命的皮肤癌形式。黑素细胞的失控生长导致黑色素瘤。过去几十年中黑色素瘤呈野生蔓延态势。近年来，利用图像处理技术检测黑色素瘤已成为主导研究领域。自动黑色素瘤检测系统（AMDS）通过接受感染皮肤区域图像作为输入，基于图像处理技术帮助检测黑色素瘤。单张病灶图像是多个特征的来源。因此，从病灶图像中选择恰当特征以提高AMDS准确率至关重要。对于黑色素瘤检测，所有提取的特征并非都重要。部分提取特征复杂且需更多计算任务，影响AMDS分类准确率。AMDS的特征提取阶段表现出较大变异性，因此研究AMDS在个体与扩展特征提取方法下的行为十分重要。本文提出一种新算法ExtFvAMDS用于计算扩展特征向量空间。比较研究中提出的六个模型显示，在Med-Node数据集上采用集成装袋树（Ensemble Bagged Tree）分类器的HSV特征向量空间用于自动检测黑色素瘤，提供了99% AUC、95.30%准确率、94.23%灵敏度与96.96%特异度。
引用
@article{arxiv.2209.04588,
title = {Extended Feature Space-Based Automatic Melanoma Detection System},
author = {Shakti Kumar and Anuj Kumar},
journal= {arXiv preprint arXiv:2209.04588},
year = {2023}
}
备注
updations are required