使用深度学习方法进行分类：为ISIC 2017皮肤病变分类挑战提出的算法
计算机视觉与模式识别
2017-03-13 v2
摘要
皮肤癌是人类最常见的恶性肿瘤，主要由医生通过视觉进行诊断[1]。使用自动化方法如CNN[2, 3]进行分类显示出应对挑战性任务的潜力[1]。目前，深度卷积神经网络已达到与人类皮肤科医生相当的水平[1]。本摘要致力于开发一种深度学习方法，用于在[6]举办的ISIC [5] 2017皮肤病变检测竞赛中对皮肤病学图片进行分类，旨在提高诊断准确率和人类健康的总体水平。该挑战分为三个子挑战，包括病变分割、病变皮肤镜特征提取和病变分类。本项目仅参与病变分类部分。该算法由三个步骤组成：（1）原始图像预处理，（2）使用Caffe [4]框架中的CNN [2, 3]对处理后的图像进行建模，（3）预测测试图像并计算表示相应分类可能性的分数。模型基于源图像使用Caffe [4]框架构建。预测步骤中的分数由来自源图像的两个不同模型获得。
引用
@article{arxiv.1703.02182,
title = {Using Deep Learning Method for Classification: A Proposed Algorithm for the ISIC 2017 Skin Lesion Classification Challenge},
author = {Wenhao Zhang and Liangcai Gao and Runtao Liu},
journal= {arXiv preprint arXiv:1703.02182},
year = {2017}
}
备注
Skin Lesion Classification Challenge Competition, ISIC2017