基于新型金字塔混合纹理与深度特征及集成 DarkNet 与纹理特征提取器的皮肤癌自动分类模型
计算机视觉与模式识别
2022-03-30 v1 机器学习
摘要
背景：皮肤癌是全球范围内广泛可见的癌症之一，皮肤癌的自动分类可惠及皮肤科诊所以实现准确诊断。因此，必须开发一种基于机器学习的皮肤癌自动检测模型。材料与方法：本研究致力于解决皮肤癌自动检测问题。使用了一个彩色皮肤癌图像数据集，该数据集包含 3297 张图像，分为两类。提出了一种基于多级纹理与深度特征的自动模型。利用离散小波变换（DWT）、局部相位量化（LPQ）、局部二值模式（LBP）、预训练 DarkNet19 与 DarkNet53 进行皮肤癌图像的多级融合特征生成，并基于阈值邻域成分分析（NCA）选取前 1000 个特征。所选取的前 1000 个特征使用十折交叉验证技术进行分类。结果：为获得结果，采用十折交叉验证，所推荐的金字塔混合特征生成器与 NCA 选择器模型取得了 91.54% 的分类准确率。此外，使用了多种训练与测试划分比例（90:10、80:20、70:30、60:40、50:50），在 90:10 划分比例下计算出的最大分类率为 95.74%。结论：所得结果与计算的准确率表明，该模型可用于皮肤科与病理科诊所，以简化皮肤癌检测流程并辅助医师。
引用
@article{arxiv.2203.15090,
title = {New pyramidal hybrid textural and deep features based automatic skin cancer classification model: Ensemble DarkNet and textural feature extractor},
author = {Mehmet Baygin and Turker Tuncer and Sengul Dogan},
journal= {arXiv preprint arXiv:2203.15090},
year = {2022}
}
备注
22 pages, 7 figures