期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
融合迁移学习和数据增强的SC-Net模型在皮肤癌识别中的应用
被引量：
4
1
作者
左航旭
廖彬
+2 位作者
陈小昆
童洋
李勇
《计算机应用研究》
CSCD
北大核心
2022年第8期2550-2555,2560,共7页
为了解决皮肤癌诊断模型中性能无法满足临床应用要求,对于少数类别诊断精度不高的问题,提出一种基于迁移学习和数据增强的皮肤癌诊断模型SC-Net(skin cancer-net)。首先,引入ECA注意力模块,把DenseNet-201在ImageNet数据集上的预训练模...
为了解决皮肤癌诊断模型中性能无法满足临床应用要求,对于少数类别诊断精度不高的问题,提出一种基于迁移学习和数据增强的皮肤癌诊断模型SC-Net(skin cancer-net)。首先,引入ECA注意力模块,把DenseNet-201在ImageNet数据集上的预训练模型在皮肤癌数据集上进行微调训练并提取图像隐含高层次特征;然后融合一般性统计特征,并且通过SMOTE过采样技术以增强少数类别数据;最后,将数据输入XGBoost模型进行训练,最终得到SC-Net分类模型。实验结果表明,SC-Net模型在准确率、灵敏度、特异度三个指标上达到99.25%、99.25%和99.88%,诊断准确率相对于已有文献精度提升约0.6%~18.7%,并且对于皮肤纤维瘤、光化性角化病等少数类别具备更强的分类能力。
展开更多
关键词
皮肤癌诊断
DenseNet-201模型
XGBoost模型
特征融合
数据增强
注意力机制
少数类识别
在线阅读
下载PDF
职称材料
题名
融合迁移学习和数据增强的SC-Net模型在皮肤癌识别中的应用
被引量：
4
1
作者
左航旭
廖彬
陈小昆
童洋
李勇
机构
新疆财经
大学
统计与数据科学学院
电子科技大学电子信息系
西南医科
大学
中西医结合学院
出处
《计算机应用研究》
CSCD
北大核心
2022年第8期2550-2555,2560,共7页
基金
国家自然科学基金资助项目(61562078,71563048)
新疆天山青年计划资助项目(2018Q073)
+1 种基金
新疆高校研自科项目(XJEDU2021Y037)
新疆“天山雪松计划”青年拔尖人才计划项目。
文摘
为了解决皮肤癌诊断模型中性能无法满足临床应用要求,对于少数类别诊断精度不高的问题,提出一种基于迁移学习和数据增强的皮肤癌诊断模型SC-Net(skin cancer-net)。首先,引入ECA注意力模块,把DenseNet-201在ImageNet数据集上的预训练模型在皮肤癌数据集上进行微调训练并提取图像隐含高层次特征;然后融合一般性统计特征,并且通过SMOTE过采样技术以增强少数类别数据;最后,将数据输入XGBoost模型进行训练,最终得到SC-Net分类模型。实验结果表明,SC-Net模型在准确率、灵敏度、特异度三个指标上达到99.25%、99.25%和99.88%,诊断准确率相对于已有文献精度提升约0.6%~18.7%,并且对于皮肤纤维瘤、光化性角化病等少数类别具备更强的分类能力。
关键词
皮肤癌诊断
DenseNet-201模型
XGBoost模型
特征融合
数据增强
注意力机制
少数类识别
Keywords
diagnosis of skin cancer
DenseNet-201 model
XGBoost model
feature fusion
data augmentation
attention mechanism
minority class identification
分类号
TP391 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
融合迁移学习和数据增强的SC-Net模型在皮肤癌识别中的应用
左航旭
廖彬
陈小昆
童洋
李勇
《计算机应用研究》
CSCD
北大核心
2022
4
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
