科研之友
微信
新浪微博
Facebook
分享链接
摘要
皮肤镜检测中黑色素瘤采用传统算法难以实现高精确的识别，易受不同医生水平等因素影响，为了提高识别准确率及解决类内差异大和样本数据量少等问题，提出了一种基于ResNeXt改进的黑色素瘤识别算法——SE-ResNeXtFCL。首先训练前增加了预热机制，引入Focal loss函数来解决数据不平衡的问题。该算法使用迁移学习，并融合SE注意力机制，在提高网络鲁棒性的同时，加强对皮肤图像细节特征的提取，得到更重要的特征信息，从而提高准确率。相关实验结果显示：与传统卷积网络相比，AUC值提高了5%～7%，准确率达到96.05%。
- 单位
