使用迁移学习技术的皮肤癌图像分类
计算机视觉与模式识别
2024-06-21 v1 人工智能
机器学习
摘要
皮肤癌是最常见和最致命的癌症类型之一。在良性阶段早期诊断皮肤癌对于降低癌症死亡率至关重要。为了在更早阶段检测皮肤癌，需要一个自动化的系统，可以挽救许多患者的生命。许多先前的研究已经使用各种深度学习和迁移学习模型解决了皮肤癌诊断问题。然而，现有文献在准确性和耗时程序方面存在局限性。在这项工作中，我们应用了五种不同的预训练迁移学习方法，用于皮肤癌检测的良性和恶性阶段的二分类。为了提高这些模型的准确性，我们微调了不同的层和激活函数。我们使用公开可用的ISIC数据集来评估迁移学习方法。为了模型稳定性，应用了数据增强技术来提高输入数据集的随机性。使用不同的超参数（如批量大小、周期和优化器）评估这些方法。实验结果表明，ResNet-50模型提供了0.935的准确率、0.86的F1分数和0.94的精确率。
引用
@article{arxiv.2406.12954,
title = {Skin Cancer Images Classification using Transfer Learning Techniques},
author = {Md Sirajul Islam and Sanjeev Panta},
journal= {arXiv preprint arXiv:2406.12954},
year = {2024}
}