基于矩阵胶囊网络的皮肤镜图像黑色素瘤分类识别算法及研究
林凯迪1
杜洪波1
王鸿菲1
朱立军2
1.沈阳工业大学 理学院,沈阳1108702.北方民族大学 信息与计算科学学院,银川750021
摘要：黑色素瘤是最常见且最致命的恶性皮肤癌症,传统通过肉眼观察来诊断黑色素瘤的方法,极易受到人工干预.近年来,运用深度学习技术来提高在黑色素瘤诊断中的准确率,具有非常重要的研究价值和现实意义.提出一种基于矩阵胶囊网络的皮肤镜图像分类识别算法,与其他网络模型不同,矩阵胶囊网络将特征向量储存于Capsule中,通过动态路由机制将特征向量组合与传递到上一个胶囊层中.矩阵胶囊网络从多角度对图像进行识别,并与已有的数据相匹配,实现皮肤病的有效检测.基于TensorFlow框架结合多种评价指标的实验表明,该识别算法在ISIC2017数据集上的平均精确度达到98.2％,相对于其他网络结构有较大提升.
关键词：深度学习皮肤镜图像胶囊网络图像分类黑色素瘤
分类号：TP301.6(计算技术、计算机技术)
资助基金：国家自然科学基金(11861003)宁夏回族自治区自然科学基金(NZ17015)
论文发表日期：2021-06-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 175-179,240 )
英文信息