基于卷积神经网络的皮肤黑色素瘤识别

马震; 杨辉华; 潘细朋

0
0
浏览
下载

摘要
关键词
基金信息
论文图表
动态公开评议
相关论文
评论

基于卷积神经网络的皮肤黑色素瘤识别

首发时间：2019-03-20

马震 ¹
马震（1993-），男，深度学习，医学图像处理。
杨辉华 ^{1
2}
杨辉华（1972-），男，教授，博导，主要研究方向：机器学习，光谱、图像大数据分析技术，最优化，高性能计算。
潘细朋 ¹
潘细朋（1985-），男，主要研究方向：深度学习，医学图像处理

1、北京邮电大学自动化学院，北京 100876
2、桂林电子科技大学计算机与信息安全学院，桂林 541004

摘要：皮肤黑色素瘤是一种恶性皮肤癌症，具有极高的致死率，而及早筛查诊断可大幅提升患者的存活率。皮肤黑色素瘤通过皮肤镜成像方式进行诊断，因此，设计准确、可靠的皮肤黑色素瘤计算机辅助诊断方法会极大地减轻皮肤科医生的工作量，提高诊断效率和诊断的客观性，从而帮助患者及早确诊治疗。近年来，深度卷积神经网络因其强大的自学习特征提取能力，在图像识别、分割、检测等领域得到广泛研究与应用。因此，本文研究基于深度卷积神经网络设计皮肤黑色素瘤自动识别算法，利用OHEM方法增强模型对困难样本的学习能力，设计基于多层感知机的多模型集成学习进一步提升识别准确度。最终，本文方法在黑色素瘤识别中取得0.9695的F1-Score值。

关键词：黑色素瘤自动识别卷积神经网络困难样本学习多模型集成

For information in English, please click here

Automatic recognition of skin melanoma based on convolutional neural network

MA Zhen ¹
马震（1993-），男，深度学习，医学图像处理。
YANG Huihua ^{1
2}
杨辉华（1972-），男，教授，博导，主要研究方向：机器学习，光谱、图像大数据分析技术，最优化，高性能计算。
PAN Xipeng ¹
潘细朋（1985-），男，主要研究方向：深度学习，医学图像处理

1、Automation School, Beijing University of Posts and Telecommunications, Beijing 100876
2、Computer and Information Security School, Guilin University of Electronic Technology, Guilin 541004

Abstract：Melanoma is a kind of malignant skin cancer with extremely high mortality rate.Luckily, Screening and treatment can Largely improve patients\' survial rate in early stage. Melanoma is normaly diagnosed by dermascopic imaging. Therefore, A accurate and reliable melanoma computer-aided diagnosis methods can greatly reduce the wordload of dermatologists, improve the efficiency and objectivity of diagnosis. It is beneficial for patients in earlydiagnose.In this paper, the automatic recognition algorithm of melanoma based on convolutional neural network. OHEM is applied for enhancing the capacity of recognition difficult samples. Then, multi-model ensemble leaning based on multi-layer perception improves the recognition accuracy comparing to single model. Finally, we get a 0.9695 F1-Score in recognizing the melanoma.

Keywords： automatic recognition of melanoma convolutional neural network learning of hard example multi-model ensemble learning

基金：

论文图表：

引用

导出参考文献

.txt

.ris

.doc

马震，杨辉华，潘细朋. 基于卷积神经网络的皮肤黑色素瘤识别[EB/OL]. 北京：中国科技论文在线 [2019-03-20]. https://www.paper.edu.cn/releasepaper/content/201903-258.

No.****

动态公开评议

共计0人参与

动态评论进行中

全部评论

0/1000

论文编号	201903-258
论文题目	基于卷积神经网络的皮肤黑色素瘤识别
文献类型
收录期刊	上传封面中文期刊英文期刊期刊名称（中文）期刊名称（英文）年，卷（）上传封面中文专著英文专著书名（中文）书名（英文）出版地出版社出版年上传封面中文译著英文译著书名（中文）书名（英文）出版地出版社出版年上传封面中文论文集英文论文集编者.论文集名称（中文） [c]. 出版地出版社出版年， - 编者.论文集名称（英文） [c]. 出版地出版社出版年，- 上传封面中文文献英文文献期刊名称（中文）期刊名称（英文）日期-- 在线地址http:// 上传封面中文文献英文文献文题（中文）文题（英文）出版地出版社,出版日期-- 上传封面中文文献英文文献文题（中文）文题（英文）出版地出版社,出版日期--
英文作者写法：中外文作者均姓前名后，姓大写，名的第一个字母大写，姓全称写出，名可只写第一个字母，其后不加实心圆点“.”, 作者之间用逗号“，”分隔，最后为实心圆点“.”, 示例1：原姓名写法：Albert Einstein,编入参考文献时写法：Einstein A. 示例2：原姓名写法：李时珍；编入参考文献时写法：LI S Z. 示例3：YELLAND R L,JONES S C,EASTON K S,et al.