用于黑色素瘤分类的多种EffNet/ResNet架构
图像与视频处理
2022-04-22 v1 计算机视觉与模式识别
摘要
黑色素瘤是最恶性的皮肤肿瘤，通常由正常痣癌变而来，早期难以区分良恶性。因此，许多机器学习方法试图进行辅助预测。然而，这些方法更关注疑似肿瘤的图像数据，侧重于提高图像分类准确率，却忽视了实际临床诊断中患者级上下文信息对疾病诊断的意义。为更充分利用患者信息并提高诊断准确率，我们提出一种基于EffNet和ResNet的新黑色素瘤分类模型。我们的模型不仅使用同一患者内的图像，还考虑患者级上下文信息以更好地预测癌症。实验结果表明，所提模型达到了0.981的ACC。此外，我们注意到模型总体ROC值为0.976，优于先前最先进的方法。
引用
@article{arxiv.2204.10142,
title = {Multiple EffNet/ResNet Architectures for Melanoma Classification},
author = {Jiaqi Xue and Chentian Ma and Li Li and Xuan Wen},
journal= {arXiv preprint arXiv:2204.10142},
year = {2022}
}
备注
16 pages,20 figures