基于卷积神经网络的皮肤癌识别方法

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.