基于EfficientNet的皮肤癌识别与分类

• 作者: 张嘉颖
• 来源期刊: 现代信息科技
• 关键词: EfficientNet模型 Adam 皮肤癌识别
• 年，卷（期）: 2021,（9）
• 所属期刊栏目: 信息技术|Information Technology
• 页码范围: 13-15
• 页数: 3页
• 分类号: TP391.4
• 语种: 中文
• DOI: 10.19850/j.cnki.2096-4706.2021.09.004

摘要

针对人工识别皮肤癌恶性肿瘤中不可避免的人为因素,以及效率低、设备要求高等问题,提出了一种基于EfficientNet网络的新的皮肤癌识别与分类方法.首先,由于样本数据量过小,通过数据预处理实现数据增强,从而防止训练模型出现过拟合的问题.然后将数据集在EfficientNet网络模型上进行训练,同时采用Adam调整学习率,进而实现皮肤癌图像的识别与分类.实验结果表明,该模型的准确率和查全率可分别达到90.78％和88.23％,在保证了准确率和查全率的前提下,参数量大大减少,可有效提升临床医学诊断的效率.