基于卷积神经网络软投票集成的皮肤瘤分类
计算机视觉与模式识别
2025-12-24 v1
摘要
皮肤癌可以通过皮肤检查和眼部检查被识别，但早期检测显著增加生存几率。人工智能（AI）使用标注的皮肤图像和卷积神经网络（CNNs）可提高诊断准确性。本文提出了一种使用卷积神经网络软投票集成的早期皮肤癌分类方法。在本研究中，使用了三个基准数据集，即 HAM10000、ISIC 2016 和 ISIC 2019。该过程涉及再平衡、图像增强和过滤技术，随后通过迁移学习进行分割的混合双编码器。精确的分割聚焦于分类模型的临床显著特征，减少背景伪影并提高准确性。通过 MobileNetV2、VGG19 和 InceptionV3 的集成，实现了在实际部署中在准确性和速度之间的平衡。该方法在三个数据集上的瘤捕识别准确率分别为 96.32%、90.86% 和 93.92%。该系统使用 established 的皮肤瘤检测指标进行评估，取得了令人印象深刻的结果。
引用
@article{arxiv.2512.20431,
title = {Skin Lesion Classification Using a Soft Voting Ensemble of Convolutional Neural Networks},
author = {Abdullah Al Shafi and Abdul Muntakim and Pintu Chandra Shill and Rowzatul Zannat and Abdullah Al-Amin},
journal= {arXiv preprint arXiv:2512.20431},
year = {2025}
}
备注
Authors' version of the paper published in proceedings of ECCE, DOI: https://doi.org/10.1109/ECCE64574.2025.11013422