基于深度学习的黑色素瘤智能诊断多模型算法
皮肤黑色素瘤是一种早期发现可治愈的疾病.目前诊断黑色素瘤的主要方法是基于皮肤镜的人工目视观察,较易受医师医技水平和经验的影响,诊断准确率为75%~80%,且诊断效率低.对此,文中提出一种融合元数据和图像数据的多模态神经网络算法.元数据是通过感知机学习模型提取的患者基本信息、病灶采集部位、图像分辨率和数量的特征向量;图像数据是通过CNN模型提取的特征向量,把两个特征向量进行融合映射以获得疾病分类结果,用于黑色素肿瘤的早期辅助诊断应用.收集整理了ISIC 2019和ISIC 2020的混合数据集,共58457条样本数据,训练样本和测试样本按照4:1比例进行划分,分别采用所提多模态算法和卷积神经网络方法进行对比实验研究,结果表明,使用所提算法构造的黑色素肿瘤辅助诊断分类模型能够将AUC值提升1%左右,证明其具有一定的使用价值.
黑色素瘤、皮肤镜、深度学习、多模态算法、元数据、辅助诊断
49
TP242.6(自动化技术及设备)
区块链底层技术及应用湖南省重点实验室;湖南省创新型省份建设专项;湖南省创新型省份建设专项
2022-06-22(万方平台首次上网日期,不代表论文的发表时间)
共6页
22-26,177