基于深层卷积残差网络集成的黑色素瘤分类方法

• 作 者: 海根 孔祥勇 周乾伟 管秋 陈胜勇
• 机 构: 浙江工业大学计算机科学与技术学院,天津理工大学计算机科学与工程学院
• 出 处: 计算机科学
• 发表日期: 2019年5期
• 关键词: 黑色素瘤 数据增强 卷积残差网络 集成学习 Melanoma Data augmentation Convolution residual network En
• 基金项目: 浙江省自然科学基金(LY18F030025),国家自然科学基金(61802347,U1509207,31640053),中国微系统技术重点实验室基金(6142804010203)资助

针对黑色素瘤分类识别任务中存在对比度低、肉眼难以区分、信息干扰大、数据量偏少以及数据不均衡等诸多问题,文中提出了一种基于掩盖的数据增强与深度卷积残差网络相结合的集成分类方法。首先根据皮肤病图像的特点,在前人数据增强研究的基础上,提出了两种基于掩盖训练图像部分区域的数据增强方式;其次以这两种数据增强方式为基础,采用深度卷积残差50层(ResNet-50)网络进行特征提取;然后以提取到的特征来构建两个具有一定差异性的分类结构模型,并对其进行集成;最后以国际皮肤影像协作组织(ISIC)2016挑战赛所公布的皮肤