基于改进ResNeXt的黑色素瘤识别算法  

作　　者：苏炅 曾志高[1] 易胜秋[1] 文志强[1] 朱文球[1] 袁鑫攀[1] 

机构地区：[1]湖南工业大学、计算机学院、湖南省智能信息感知及处理技术重点实验室,湖南株洲412007

出　　处：《电脑知识与技术》2023年第20期36-39,共4页Computer Knowledge and Technology

基　　金：科技创新2030—“新一代人工智能”重大项目(2018AAA0100400);湖南省教育厅项目(21A0350,21C0439);湖南省自然科学基金(2022JJ50051,2021JJ50058,2020JJ6088,2022JJ30231)。

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%。

关 键 词：注意力机制 黑色素瘤识别 辅助诊断 迁移学习 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]