基于卷积神经网络的皮肤癌识别方法

来源：计算机技术与发展杂志2020年第10期北京时间：

作者：龚安;郭文婷

摘要：为了解决色素性皮肤病类间相似度高、类内差异化大的特点导致的皮肤癌识别工作中的误判、准确率低等问题,在迁移学习的基础上, 提出了一种基于卷积神经网络特征融合识别皮肤癌的方法。首先,为了防止出现数据不平衡以及样本小带来的过拟合问题,进行数据增强。然后将数据集分别在预训练后的 DenseNet 模型以及 Xception 模型进行训练,得到的特征进行融合,交叉利用特征信息,循环采用上次保留的最佳权重作为模型权重进行训练,进而实现皮肤癌图像的识别。 实验结果表明,该方法的准确率和敏感性可分别达到 91.42%、87.37% ,相比未进行特征融合的模型, 准确率和敏感性均有所提高, 有效地解决了皮肤癌类间相似度高, 类内差异大的问题,进而有效地改善临床医学诊断效率的问题。

关键词：皮肤癌识别;卷积神经网络;迁移学习;数据增强;特征融合