為了解決色素性皮膚病類間相似度高、類內(nèi)差異化大的特點導(dǎo)致的皮膚癌識別工作中的誤判、準確率低等問題,在遷移學(xué)習(xí)的基礎(chǔ)上,提出了一種基于卷積神經(jīng)網(wǎng)絡(luò)特征融合識別皮膚癌的方法。首先,為了防止出現(xiàn)數(shù)據(jù)不平衡以及樣本小帶來的過擬合問題,進行數(shù)據(jù)增強。然后將數(shù)據(jù)集分別在預(yù)訓(xùn)練后的DenseNet模型以及Xception模型進行訓(xùn)練,得到的特征進行融合,交叉利用特征信息,循環(huán)采用上次保留的最佳權(quán)重作為模型權(quán)重進行訓(xùn)練,進而實現(xiàn)皮膚癌圖像的識別。實驗結(jié)果表明,該方法的準確率和敏感性可分別達到91.42%、87.37%,相比未進行特征融合的模型,準確率和敏感性均有所提高,有效地解決了皮膚癌類間相似度高,類內(nèi)差異大的問題,進而有效地改善臨床醫(yī)學(xué)診斷效率的問題。 

【文章來源】：計算機技術(shù)與發(fā)展. 2020,30(10)

【文章頁數(shù)】：6 頁

【部分圖文】：

基于卷積神經(jīng)網(wǎng)絡(luò)的皮膚癌識別方法模型流程圖

DenseNet結(jié)構(gòu)

特征融合過程

【參考文獻】：
期刊論文
[1]惡性黑色素瘤化療研究進展[J]. 秦嵐群,鄒征云.  實用腫瘤學(xué)雜志. 2019(02)
[2]基于深度學(xué)習(xí)方法檢測皮膚鏡圖像中黑色素瘤的研究進展與展望[J]. 張杰,趙惠軍,李賢威,法振宗,王亞林.  醫(yī)療衛(wèi)生裝備. 2018(11)
[3]基于深度殘差網(wǎng)絡(luò)的皮膚鏡圖像黑色素瘤的識別[J]. 李航,余鎮(zhèn),倪東,雷柏英,汪天富.  中國生物醫(yī)學(xué)工程學(xué)報. 2018(03)
[4]惡性黑色素瘤的皮膚鏡特征研究進展[J]. 高菲,辛琳琳.  山東醫(yī)藥. 2018(01)



本文編號：3123612