多卷积神经网络模型融合的皮肤病识别方法

您当前的位置：

首页 >

文章列表页 >

多卷积神经网络模型融合的皮肤病识别方法

更新时间：2025-07-09

- 多卷积神经网络模型融合的皮肤病识别方法
- Issue 11, Pages: 125-130(2019)
- 作者机构：
  
  1. 西安交通大学第二附属医院皮肤病院
  2. 西安交通大学软件学院
  3. 西安交通大学人工智能与机器人研究所
  4. 西安交通大学第一附属医院胸外科
- 作者简介：
- 基金信息：
- DOI：
  CLC： R751;TP183
- Published：2019
- 稿件说明：
移动端阅览
[J]. 2019, (11): 125-130.
DOI：

[J]. 2019, (11): 125-130. DOI：

摘要

针对皮肤病中基底细胞癌与脂溢性角化病的临床特征非常相似、不易区分的问题

提出了一种面向皮肤病识别的多卷积神经网络(CNN)模型融合方法。使用迁移学习方法训练ResNet、Xception、DensNet共3个CNN模型

获得每个模型的最佳识别结果。在此基础上

利用传统融合方法、投票法和均方误差作为损失函数来融合多模型的识别结果

从而提高皮肤病的识别精度。为了有效克服皮肤病识别中噪声的影响以提高模型的精度和泛化能力

提出将最大相关熵准则(MCC)作为多CNN模型融合的目标函数

并使用梯度上升法学习不同模型对最终结果的贡献权重

从而建立基于MCC的多CNN融合模型。在基底细胞癌和脂溢性角化病数据集上的实验结果表明:相比于多个单模型的预测结果

提出的使用模型融合的方法取得了更高的识别准确率;相比于传统模型融合方法

提出的基于MCC的多CNN融合识别模型可以较好地克服噪声并具有较强的泛化能力

识别准确率达到了97.07%

超过了CNN单模型和传统的多模型融合方法。

Abstract

关键词

Keywords

references

Jun Shi,Xiao Zheng,Jinjie Wu,Bangming Gong,Qi Zhang,Shihui Ying.Quaternion Grassmann Average Network for Learning Representation of Histopathological Image[J].Pattern Recognition,2018.

Maayan Frid-Adar,Idit Diamant,Eyal Klang,Michal Amitai,Jacob Goldberger,Hayit Greenspan.GAN-based Synthetic Medical Image Augmentation for increased CNN Performance in Liver Lesion Classification[J].Neurocomputing,2018.

Geert Litjens,Thijs Kooi,Babak Ehteshami Bejnordi,Arnaud Arindra Adiyoso Setio,Francesco Ciompi,Mohsen Ghafoorian,Jeroen A.W.M. van der Laak,Bram van Ginneken,Clara I. Sánchez.A survey on deep learning in medical image analysis[J].Medical Image Analysis,2017.

Alex Krizhevsky,Ilya Sutskever,Geoffrey E. Hinton.ImageNet classification with deep convolutional neural networks[J].Communications of the ACM,2017.

Dylan R. Edwards,Madeleine M. Handsley,Caroline J. Pennington.The ADAM metalloproteinases[J].Molecular Aspects of Medicine,2008(5).

陈寿宏,柳馨雨,马峻,康怀强.深度卷积神经网络胸片肺结节分类识别研究[J].计算机工程与应用,2018(24).

张兆晨,冀俊忠.基于卷积神经网络的fMRI数据分类方法[J].模式识别与人工智能,2017(06).

唐智川,张克俊,李超,孙守迁,黄琦,张三元.基于深度卷积神经网络的运动想象分类及其在脑控外骨骼中的应用[J].计算机学报,2017(06).

卢宏涛,张秦川.深度卷积神经网络在计算机视觉中的应用研究综述[J].数据采集与处理,2016(01).

焦大凯,徐凯,张辉,尚燕,郝平.基底细胞癌研究进展[J].山西医科大学学报,2007(02).

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

一种孤立中心损失方法及其在人脸表情识别中的应用

CNN-LSTM深度神经网络在滚动轴承故障诊断中的应用

采用双通道时间稠密网络的高光谱影像分类方法

采用卷积神经网络的电站锅炉燃烧效率建模方法

Knowledge Graph Representation Learning Driven by Semantic Discrimination and Subgraph Integration

Related Author

刘音

蒋平

王泉

王军杰

张喜庆

吴强

何仁珂

吴昊

Related Institution

西安电子科技大学计算机科学与技术学院

榆林学院信息工程学院

空军工程大学信息与导航学院

地理信息工程国家重点实验室

解放军95894部队

⁰