使用混合深度神经网络的皮肤病变分类
计算机视觉与模式识别
2019-04-26 v2
摘要
皮肤癌是过去几十年来发病率不断上升的主要癌症类型之一。准确诊断皮肤病变以区分良性与恶性病变，对于确保患者得到适当治疗至关重要。尽管已有许多计算机化的皮肤病变分类方法，但卷积神经网络（CNN）已被证明优于传统方法。在本工作中，我们提出一种全自动的计算机化皮肤病变分类方法，该方法利用来自多个成熟 CNN 且源自不同抽象层次的优化深度特征。我们使用三个预训练的深度模型，即 AlexNet、VGG16 和 ResNet-18，作为深度特征生成器。提取的特征随后用于训练支持向量机分类器。在最后阶段，融合各分类器的输出以获得最终分类。在 ISIC 2017 分类挑战赛的 150 张验证图像上进行评估，所提方法展现出非常好的分类性能，对黑色素瘤分类的受试者工作特征曲线下面积达 83.83%，对脂溢性角化病分类达 97.55%。
引用
@article{arxiv.1702.08434,
title = {Skin Lesion Classification Using Hybrid Deep Neural Networks},
author = {Amirreza Mahbod and Gerald Schaefer and Chunliang Wang and Rupert Ecker and Isabella Ellinger},
journal= {arXiv preprint arXiv:1702.08434},
year = {2019}
}
备注
Accepted for the 44th International Conference on Acoustics, Speech, and Signal Processing (ICASSP 2019)