基于卷积神经网络的皮肤病诊断多二分类器研究

摘要：

近年来,随着深度学习技术的日益普及与发展,卷积神经网络(CNN)被广泛应用于辅助医学诊断,并在医学影像诊断领域取得了重要的研究成果.本研究基于皮肤病数据种类繁多、特征不显著等特点,引入多二分类的研究方法搭建了从医学影像到计算机辅助诊断的框架,解决了目前皮肤病难以区分的问题,并在常见的皮肤病分类识别问题中得到具体检验.首先,本研究以3类常见的皮肤病数据集(白癜风、痤疮和银屑病)为例,实现了图像数据的增强、分割、多二分类器的构建、图像块的分类、皮肤病的判别等完整的工作流程.其次,在分组数据交叉验证下,三分类判别准确率为0.8320,四分类判别的准确率达到0.9125.最后,为了获得更高的准确率,在随机森林方法结果不理想的情况下,本研究引入了多二分类器网络架构,准确率达到了0.9377.

关键词：辅助医学诊断、卷积神经网络(CNN)、皮肤病、多二分类器

所属期刊栏目：32

分类号：R751.05;TP391.1;R446.61

资助基金：中国科学院战略性先导科技专项;广西科技重大专项

在线出版日期：2023-02-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：1025-1035