使用卷积神经网络进行皮肤病变诊断
图像与视频处理
2023-05-19 v1 计算机视觉与模式识别
摘要
癌性皮肤病变是人类检测到的最常见恶性肿瘤之一，若未在早期阶段发现，可能导致死亡。因此，尽早获得准确结果以优化生存机会至关重要。遗憾的是，准确结果通常由训练有素的专业皮肤科医生给出，而许多人（尤其是中低收入国家民众）难以获得此类医疗资源。人工智能（AI）似乎是这一问题的潜在解决方案，因其已被证明能提供与医疗专业人员相当甚至更优的诊断。本项目旨在汇集来自多个领域的图像分类前沿技术并加以实现，以应对该问题。其中部分技术包括 mixup、预调整尺寸（presizing）和测试时增强等。实现中使用了三种架构：DenseNet121、带批量归一化的 VGG16 和 ResNet50。模型设计有两个主要目的。第一，将图像分为七类，包括黑素细胞痣、黑色素瘤、良性角化样病变、基底细胞癌、光化性角化病及上皮内癌、血管病变和皮肤纤维瘤。第二，将图像分为良性或恶性。模型使用 8012 张图像的数据集训练，并使用 2003 张图像评估性能。值得注意的是，该模型为端到端训练，直接从图像到标签，无需手工特征提取。
引用
@article{arxiv.2305.11125,
title = {Skin Lesion Diagnosis Using Convolutional Neural Networks},
author = {Daniel Alonso Villanueva Nunez and Yongmin Li},
journal= {arXiv preprint arXiv:2305.11125},
year = {2023}
}