-
题名基于改进密集卷积网络的皮肤肿瘤分类方法
被引量：1
- 1
-
-
作者
殷文君
黄建华
纪元法
-
机构
桂林电子科技大学信息与通信学院
-
出处
《计算机工程》
CAS
CSCD
北大核心
2023年第7期288-294,共7页
-
基金
湖南省自然科学基金(2021JJ30918,2022JJ30795)
广西研究生教育创新计划项目(2022YCXS025)。
-
文摘
皮肤癌的诊断受医生个人主观影响较大,现有的神经网络皮肤癌诊断研究大多停留在图像层面,没有考虑患者的临床数据,诊断准确率有待提高。提出一种融合皮肤肿瘤临床患者元数据的MD-Layer模块,并嵌入到密集卷积分类网络模型DenseNet-169中。在ImageNet数据集上对DenseNet-169网络进行预训练,使得到的模型在皮肤癌数据集上进行调参训练,并提取图像隐含的高层次特征。MD-Layer模块由MetaNet模块和MetaBlock模块提取到的特征融合构建而来。MetaNet模块通过元数据控制DenseNet-169网络中每个特征通道的特定部分,从而获得加权特征。MetaBlock模块利用元数据增强从图像中提取的特征,即根据元数据信息引导图像选择最相关的特征输出。最后,将融合后的结果输入到分类器,实现皮肤肿瘤的分类。实验结果表明,融合MD-Layer模块的DenseNet-169网络模型的平衡准确率为0.814,相较于已有工作提升0.080~0.156,解决了少数皮肤肿瘤类别诊断准确率不高的问题。
-
关键词
皮肤肿瘤分类
DenseNet-169模型
元数据
特征融合
MD-Layer模块
-
Keywords
skin tumor classification
DenseNet-169 model
metadata
feature fusion
MD-Layer module
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
