基于改进的ResNet50网络的黑色素瘤分类方法

作者：邓辉; 张洁^*

来源：计算机技术与发展, 2023, 33(02): 64-70.

• 黑色素瘤
• ResNet50
• 注意力机制
• GELU
• 数据增强
• 迁移学习

黑色素瘤的早期诊断对提高患者的五年生存率至关重要。针对临床上使用皮肤镜检查黑色素瘤费时、费力的问题，提出一种基于迁移学习和改进的ResNet50模型的黑色素瘤分类模型MC-Net(Melanoma Classification-Net)。首先，为了降低数据集样本分布不均匀以及毛发遮挡信息带来的影响，进行数据增强；对ResNet50的输入主干重新进行了设计，用常规卷积和深度可分离卷积的组合代替原来的7×7大卷积核；对残差块进行了优化，使用GELU函数替代ReLU函数，并将特征相加后的激活层移到残差块内部，同时去除了部分BN层和激活层；向网络中添加CA注意力机制，使得网络更加关注目标的关键信息，从而抑制其他无用信息；结合迁移学习，利用在ImageNet上预训练权重初始化网络并在数据集上进行微调训练，得到最终黑色素瘤分类模型。实验结果表明，所改进的结构对模型性能提升具有显著效果，MC-Net模型在准确率和F1指标上达到94.87%和95.01%,经过迁移学习得到的最终分类模型在数据集上进行测试，获得了95.4%的准确率和95.6%的F1值，均优于其他网络。

• 单位
  南京邮电大学