基于遗传算法特征选择与随机森林的 Spitzoid 病变诊断
图像与视频处理
2020-06-04 v2 计算机视觉与模式识别
机器学习
定量方法
摘要
Spitzoid 病变大致分为 Spitz 痣（SN）、非典型 Spitz 肿瘤（AST）和 Spitz 黑色素瘤（SM）。这些病变的准确诊断是皮肤病理学家面临的挑战之一；这是由于它们之间的高度相似性。数据挖掘技术已成功应用于存在此类复杂性的情形。本研究旨在开发一种人工智能模型以辅助 Spitzoid 病变的诊断。使用一个私有的 Spitzoid 病变数据集来评估本研究所提出的系统。所提出的系统包含三个阶段。第一阶段，应用 SMOTE 方法解决数据不平衡问题；第二阶段，为消除不相关特征，使用遗传算法选择显著特征，这随后降低了计算复杂度并加速了数据挖掘过程。第三阶段，采用随机森林（Random Forest）分类器对两类病变（Spitz 痣或非典型 Spitz 肿瘤）进行判定。我们使用准确率、灵敏度、特异度、G-mean、F-measure、ROC 和 AUC 评估所提方案的性能。我们的 SMOTE-GA-RF 模型结合基于 GA 的 16 个特征所得结果显示出优异性能：准确率 0.97、F-measure 0.98、AUC 0.98、G-mean 0.97。本研究所得结果有潜力为 Spitzoid 病变诊断开辟新机遇。
引用
@article{arxiv.2003.04745,
title = {Spitzoid Lesions Diagnosis based on GA feature selection and Random Forest},
author = {Abir Belaala and Labib Sadek and Noureddine Zerhouni and Christine Devalland},
journal= {arXiv preprint arXiv:2003.04745},
year = {2020}
}