WonDerM:基于微调神经网络的皮肤病变分类
计算机视觉与模式识别
2019-05-13 v3
摘要
由于皮肤癌是全球最频繁的癌症之一,准确、非侵入性的基于皮肤镜的诊断变得必要且前景广阔。MICCAI 2018 年 ISIC 皮肤图像分析挑战赛第三部分的一项任务是利用皮肤病变图像预测七类疾病,包括由国际皮肤病学会定义的黑色素瘤(MEL)、黑素细胞痣(NV)、基底细胞癌(BCC)、光化性角化病/鲍文病(上皮内癌)(AKIEC)、良性角化病(日光性黑子/脂溢性角化病/苔藓样角化病)(BKL)、皮肤纤维瘤(DF)和血管病变(VASC)。本工作中,我们设计了 WonDerM 流程,对预处理后的皮肤病变图像重采样,构建用分割任务数据(第一部分)微调的神经网络架构,并使用集成方法对七种皮肤病进行分类。我们的模型在验证集和测试集上分别取得了 0.899 和 0.785 的准确率。
引用
@article{arxiv.1808.03426,
title = {WonDerM: Skin Lesion Classification with Fine-tuned Neural Networks},
author = {Yeong Chan Lee and Sang-Hyuk Jung and Hong-Hee Won},
journal= {arXiv preprint arXiv:1808.03426},
year = {2019}
}
备注
4 pages, 4 figures