基于迁移学习与局部可解释模型不可知方法的猴痘疾病检测与分类视觉方法：深度学习洞察
图像与视频处理
2022-11-16 v2 计算机视觉与模式识别
机器学习
摘要
在世界仍在抗击 2019 新型冠状病毒病（COVID-19）之际，近期在各国爆发的猴痘疾病构成了全球大流行威胁。在其初现之际，个人之间缓慢而稳定的猴痘疾病传播需要得到认真对待。多年来，基于深度学习（DL）的疾病预测通过提供早期、廉价且负担得起的诊断手段，展现出了真正的潜力。考虑到这一机遇，我们进行了两项研究，利用迁移学习方法修改并测试了六种不同的深度学习模型——VGG16、InceptionResNetV2、ResNet50、ResNet101、MobileNetV2 和 VGG19。我们的初步计算结果表明，经过修改的 InceptionResNetV2 和 MobileNetV2 模型表现最佳，准确率达到了 93% 到 99%。我们的发现得到了近期学术研究的支持，这些研究表明使用迁移学习方法在构建多种疾病诊断模型时具有更好的性能。最后，我们进一步使用局部可解释模型不可知解释（LIME）来解释我们的模型预测，这在识别表征猴痘疾病发作的重要特征方面发挥了重要作用。
引用
@article{arxiv.2211.05633,
title = {Transfer learning and Local interpretable model agnostic based visual approach in Monkeypox Disease Detection and Classification: A Deep Learning insights},
author = {Md Manjurul Ahsan and Tareque Abu Abdullah and Md Shahin Ali and Fatematuj Jahora and Md Khairul Islam and Amin G. Alhashim and Kishor Datta Gupta},
journal= {arXiv preprint arXiv:2211.05633},
year = {2022}
}
备注
We have removed the picture of the children from Figure 1 as we found it not to be appropriate or necessarily important