基于非典型类数据平衡的皮肤癌智能诊断策略
皮肤癌早期诊断和筛查非常重要,但是皮肤癌识别难度较大,诊断准确度一直偏低.在国际皮肤影像协会举办的最近一次多分类竞赛ISIC2019上,冠军模型的平均准确率仅为63.6％.目前亟须性能良好的策略来提升皮肤病智能分类的准确性.经研究使用EfficientNet网络,并创新性提出非典型类数据平衡策略.用ISIC2019竞赛数据进行实验,结果显示,八分类的平均准确度高达82.4％.非典型类数据平衡策略为不均衡数据集的分类提供了一个新的方案.
皮肤癌图像、EfficientNet、不均衡数据集、多分类、ISIC2019
19
TP311(计算技术、计算机技术)
四川省科技厅应用基础研究项目2019YJ0055
2023-03-06（万方平台首次上网日期，不代表论文的发表时间）
共2页
41-42
