基于改进 SE-InceptionV3 的猴痘疾病识别模型
计算机视觉与模式识别
2024-05-08 v2
摘要
在全球猴痘蔓延的背景下，准确的疾病识别变得至关重要。本研究引入了一种改进的 SE-InceptionV3 模型，将 SENet 模块嵌入 InceptionV3 框架并引入 L2 正则化，以增强猴痘疾病检测。利用包含猴痘及类似皮肤病变图像的 Kaggle 猴痘数据集，我们的模型在测试集上展现出 96.71% 的显著准确率，优于传统方法和深度学习模型。SENet 模块的通道注意力机制显著提升了特征表示，而 L2 正则化确保了鲁棒的泛化能力。大量实验验证了该模型在精确率、召回率和 F1 分数上的优越性，突显了其在多样和复杂病例中区分猴痘病变的有效性。该研究不仅深入探讨了高级 CNN 架构在医疗诊断中的应用，还为通过模型优化和超参数调优以增强疾病识别的进一步研究开辟了途径。https://github.com/jzc777/SE-inceptionV3-L2
引用
@article{arxiv.2403.10087,
title = {Monkeypox disease recognition model based on improved SE-InceptionV3},
author = {Junzhuo Chen and Zonghan Lu and Shitong Kang},
journal= {arXiv preprint arXiv:2403.10087},
year = {2024}
}