基于深度学习和熵的皮肤癌检测以识别离群样本
机器学习
2020-01-07 v2 计算机视觉与模式识别
机器学习
摘要
我们描述了在 ISIC 2019 挑战赛任务 1 和任务 2 中分别获得第 3 名和第 4 名的方法。该挑战的目标是利用图像和元数据提供皮肤癌的诊断。数据集中有九个类别，然而其中一个是离群类且并不存在于数据中。为应对挑战，我们应用了一个由 13 个卷积神经网络（CNN）组成的分类器集成，开发了两种处理离群类的方法，并提出了一种将元数据与图像结合使用的直接方法。在本报告中，我们详述了每种方法和参数，以便易于复现我们的工作。所获得的结果与先前的挑战赛一致，并且检测离群类和处理元数据的方法似乎工作正常。
引用
@article{arxiv.1909.04525,
title = {Skin cancer detection based on deep learning and entropy to detect outlier samples},
author = {Andre G. C. Pacheco and Abder-Rahman Ali and Thomas Trappenberg},
journal= {arXiv preprint arXiv:1909.04525},
year = {2020}
}
备注
3rd and 4th places in tasks 1 and 2 respectively, at ISIC challenge 2019 @ MICCAI workshop 2019