基于移动皮损分类卷积神经网络-研究论文

【文件属性】：
文件名称：基于移动皮损分类卷积神经网络-研究论文
文件大小：1.21MB
文件格式：PDF
更新时间：2021-05-20 15:55:39
Skin lesions classification; mobile-enabled skin 这项研究工作旨在通过使用云服务器架构的卷积神经网络（CNN）投资皮肤病变分类问题。 通过使用云服务和CNN，提出并开发了可移动的实时皮肤病变分类专家系统“ i-Rash”。 i-Rash旨在对偏远地区的痤疮，湿疹和牛皮癣进行早期诊断。 “ i-Rash”中使用的分类模型是使用CNN模型“ SqueezeNet”开发的。 转移学习方法用于训练分类模型，并在1856年的图像上对模型进行训练和测试。 使用SqueezeNet的好处是受训模型的大小有限，即只有3 MB。 为了对新映像进行分类，使用了基于云的体系结构，并将经过训练的模型部署在服务器上。 新图像以秒为单位进行分类，总体准确度，灵敏度和特异性分别为97.21％，94.42％和98.14％。 i-Rash可以在皮肤病变的初始分类中发挥作用，因此，对于居住在偏远地区的人们，皮肤病变的早期分类可以发挥非常重要的作用。