用于皮肤镜图像分类的多重卷积神经网络
计算机视觉与模式识别
2018-07-27 v2
摘要
黑色素瘤分类是识别皮肤病的关键阶段。由于黑色素瘤的类别内差异、皮肤病变低对比度，以及皮肤镜图像中的伪影（包括噪声、毛发存在、气泡，以及黑色素瘤与非黑色素瘤病例之间的相似性），该过程被认为具有挑战性。为解决这些问题，我们提出了一种新颖的多重卷积神经网络模型 (MCNN) 来对皮肤镜图像中七种不同的疾病类型进行分类，其中多个模型使用加性样本学习策略分别训练。MCNN 模型分别使用来自国际皮肤影像协作 (ISIC 2018) 的训练集和验证集进行训练和测试。受试者工作特征 (ROC) 曲线用于评估所提方法的性能。AUC（ROC 曲线下面积）的值被用于评估 MCNN 的性能。
引用
@article{arxiv.1807.08114,
title = {Multiple Convolutional Neural Network for Skin Dermoscopic Image Classification},
author = {Yanhui Guo and Amira S. Ashour},
journal= {arXiv preprint arXiv:1807.08114},
year = {2018}
}
备注
9 pages, ISIC 2018: Skin Lesion Analysis Towards Melanoma Detection