基于深度学习与手工特征的皮肤病变分割与分类
图像与视频处理
2021-12-21 v1 计算机视觉与模式识别
机器学习
摘要
皮肤病变的准确诊断是对皮肤镜图像进行分类的一项关键任务。在本研究中，我们构建了一种称为混合特征的新图像特征类型，其比单一方法特征具有更强的判别能力。本研究涉及一种新技术，我们在训练过程中将手工特征或特征迁移注入到卷积神经网络（CNN）模型的全连接层中。根据我们迄今的文献回顾，尚无研究考察或探究在训练过程中将手工特征注入 CNN 模型对分类性能的影响。此外，我们还研究了分割掩码的影响及其对整体分类性能的作用。我们的模型取得了 92.3% 的均衡多类准确率，比典型的深度学习单方法分类器架构高出 6.8%。
引用
@article{arxiv.2112.10307,
title = {Skin lesion segmentation and classification using deep learning and handcrafted features},
author = {Redha Ali and Hussin K. Ragb},
journal= {arXiv preprint arXiv:2112.10307},
year = {2021}
}
备注
7 pages, 3 figures