GDN：一种用于皮肤癌诊断的堆叠网络
计算机视觉与模式识别
2023-12-06 v1
摘要
皮肤癌是可以通过视觉识别进行判别的主要癌症类型，需要一种能够准确分类不同类型病变的自动识别系统。本文提出了 GoogLe-Dense Network (GDN)，这是一种用于识别两种皮肤癌（基底细胞癌和黑色素瘤）的图像分类模型。GDN 利用不同网络的堆叠来增强模型性能。具体而言，GDN 结构包含两个连续层级。第一级执行由 GoogLeNet 和 DenseNet 完成的基础分类任务，二者并行训练以提高效率。为避免低精度和长训练时间，第二级将 GoogLeNet 和 DenseNet 的输出作为逻辑回归模型的输入。我们在数据集上将我们的方法与四个基线网络（包括 ResNet、VGGNet、DenseNet 和 GoogLeNet）进行比较，其中 GoogLeNet 和 DenseNet 显著优于 ResNet 和 VGGNet。在第二级中，研究了不同的堆叠方法，如感知器、逻辑回归、SVM、决策树和 K 近邻，其中逻辑回归在所有方法中显示出最佳预测结果。结果证明，与单一网络结构相比，GDN 在优化皮肤癌检测方面具有更高的准确率。
引用
@article{arxiv.2312.02437,
title = {GDN: A Stacking Network Used for Skin Cancer Diagnosis},
author = {Jingmin Wei and Haoyang Shen and Ziyi Wang and Ziqian Zhang},
journal= {arXiv preprint arXiv:2312.02437},
year = {2023}
}
备注
Published at ICSPS 2021