基于集成学习与生成对抗网络的皮肤镜图像分类方法

作者：龚安; 姚鑫杰; 杜波; 李维浩

来源：科学技术与工程, 2021, 21(03): 1071-1076.

• 皮肤镜图像
• 集成学习
• 生成对抗网络
• 迁移学习
• 卷积神经网络

皮肤镜是辅助皮肤科医生诊断的有效途径,但是人工分类高度依赖医生的临床经验,并且皮肤镜图像本身的复杂性给分类提出了巨大的挑战。为了解决皮肤镜图像分类问题,基于集成学习提出了一种集成投票块的皮肤镜图像分类方法。首先,针对ISIC 2019提供的皮肤镜图像进行预处理,为了缓解数据集较少且分布不均的问题,使用生成对抗网络和旋转图像进行数据增强。然后基于迁移学习的思想训练多个卷积神经网络,从中挑选出分类效果较好的多个卷积神经网络组成投票块,进而集成投票块,最终实现皮肤镜图像的分类。实验结果表明,该方法的准确率、敏感度、特异度可分别达到0.925、0.563、0.927,相比单一的卷积神经网络模型,各个评价指标均有所提高,为皮肤镜图像分类提供了一种有效方案。

• 单位
  中国石油大学（华东）; 大理白族自治州人民医院