10.3969/j.issn.1000-386x.2023.06.022
基于深度学习的细粒度皮肤癌图像分类研究
基于深度学习的皮肤癌计算机辅助诊断技术在提高诊断准确率和效率方面取得了重大进展.以卷积神经网络为代表的深度学习技术已成为医疗影像分类识别中的主流技术.由于不同皮肤疾病图像特征的相似性,皮肤癌图像的分类问题属于图像的细粒度分类问题,使用传统卷积神经网络并不能达到预期的效果,因为它忽略了医疗影像数据集自身的特性.以ResNet50 模型作为特征提取网络,设计Navigator、Teacher、Scrutinizer网络,构建面向细粒度皮肤疾病诊断的NTS-Net网络,并融合皮肤图像元数据特征(metadata).对比于通用的卷积神经模型取得更好的效果,在ISIC国际皮肤癌图像数据集上达到90%以上的精度.
计算机辅助诊断、卷积神经网络、细粒度分类
40
TP3(计算技术、计算机技术)
上海市科学技术委员会科研计划项目;上海市科学技术委员会科研计划项目
2023-07-10（万方平台首次上网日期，不代表论文的发表时间）
共8页
140-146,204
