基于深度迁移学习的皮肤病检测与斑秃与银屑病分类
计算机视觉与模式识别
2025-01-24 v1 人工智能
摘要
皮肤病可由感染、过敏、遗传因素、免疫疾病、激素失衡或环境触发因素如日晒损伤和污染等引发。某些皮肤病，如斑秃和银屑病，如果不能及时治疗，可能致命。及早识别至关重要，但这些疾病的诊断方法往往昂贵且不易获取。本研究提出了一种新型且高效的皮肤病诊断方法，利用深度学习技术实现。该方法采用修改版 VGG16 卷积神经网络（CNN）模型。该模型包括多个卷积层，利用 ImageNet 权重并修改顶层。顶层更新为全连接层和最终的 softmax 激活层，用于分类皮肤病。所用数据集称为“皮肤病数据集”，为公开可用数据集。虽然 VGG16 架构默认不包含数据增强，但在模型训练前应用了旋转、平移和缩放等预处理技术进行数据增强。该方法在修改版 VGG16 模型上实现了 90.67% 的准确率，展示了其在皮肤病分类中的可靠性。令人振奋的结果凸显了该方法在实际应用中的潜力。
关键词
引用
@article{arxiv.2501.13713,
title = {Skin Disease Detection and Classification of Actinic Keratosis and Psoriasis Utilizing Deep Transfer Learning},
author = {Fahud Ahmmed and Md. Zaheer Raihan and Kamnur Nahar and D. M. Asadujjaman and Md. Mahfujur Rahman and Abdullah Tamim},
journal= {arXiv preprint arXiv:2501.13713},
year = {2025}
}