典型文献
基于卷积神经网络的皮肤病诊断多二分类器研究
文献摘要：
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.
文献关键词：
辅助医学诊断;卷积神经网络(CNN);皮肤病;多二分类器
中图分类号：
作者姓名：
代闯闯;栾海晶;杨雪莹;过晓冰;牛北方;陆忠华
作者机构：
中国科学院计算机网络信息中心 北京100190;中国科学院大学 北京 100049;联想研究院 北京 100094
文献出处：
引用格式：
[1]代闯闯;栾海晶;杨雪莹;过晓冰;牛北方;陆忠华-.基于卷积神经网络的皮肤病诊断多二分类器研究)[J].高技术通讯,2022(10):1025-1035
A类：
多二分类器
B类：
皮肤病,深度学习技术,辅助医学诊断,医学影像诊断,计算机辅助诊断,分类识别,白癜风,痤疮,银屑病,图像数据,分组数据,交叉验证,三分类,分类判别,四分类,随机森林方法,网络架构
AB值：
0.20946
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
