利用机器学习算法基于体内皮肤病变的近红外光谱数据进行皮肤癌诊断
计算机视觉与模式识别
2024-01-03 v1 人工智能
摘要
皮肤病变分为良性和恶性。在恶性病变中，黑色素瘤是一种非常具有侵袭性的癌症，是导致死亡的主要原因。因此，皮肤癌的早期诊断非常必要。近年来，利用病变的图像和临床数据的计算机辅助诊断（CAD）越来越受到关注。这些信息来源由于无法提供病变分子结构的信息而存在局限性。近红外光谱可能为皮肤病变的自动化CAD提供替代信息来源。光谱学中最常用的技术和分类算法包括主成分分析（PCA）、偏最小二乘判别分析（PLS-DA）和支持向量机（SVM）。尽管如此，将现代机器与深度学习（MDL）技术应用于光谱学的兴趣日益增长。将MDL应用于光谱学的主要限制之一是缺乏公共数据集。由于据我们所知，目前没有公开的皮肤病变近红外光谱数据集，我们努力收集、注释并分析了一个名为NIR-SC-UFES的新数据集，生成了用于皮肤癌近红外光谱数据分类的金标准。接下来，研究了机器学习算法XGBoost、CatBoost、LightGBM和一维卷积神经网络（1D-CNN）对癌性和非癌性皮肤病变进行分类。实验结果表明，使用标准正态变量（SNV）预处理和特征提取的LightGBM性能最佳，平衡准确率为0.839，召回率为0.851，精确率为0.852，F值为0.850。获得的结果表明，利用体内近红外光谱数据进行皮肤病变自动化分诊的CAD迈出了第一步。
引用
@article{arxiv.2401.01200,
title = {Skin cancer diagnosis using NIR spectroscopy data of skin lesions in vivo using machine learning algorithms},
author = {Flavio P. Loss and Pedro H. da Cunha and Matheus B. Rocha and Madson Poltronieri Zanoni and Leandro M. de Lima and Isadora Tavares Nascimento and Isabella Rezende and Tania R. P. Canuto and Luciana de Paula Vieira and Renan Rossoni and Maria C. S. Santos and Patricia Lyra Frasson and Wanderson Romão and Paulo R. Filgueiras and Renato A. Krohling},
journal= {arXiv preprint arXiv:2401.01200},
year = {2024}
}