融合迁移学习和数据增强的SC-Net模型在皮肤癌识别中的应用
Application of SC-Net model integrated with transfer learning and data augmentation in skin cancer classification
1. 新疆财经大学 统计与数据科学学院, 乌鲁木齐 830012
2. 电子科技大学 电子信息系, 成都 610000
3. 西南医科大学 中西医结合学院, 四川 泸州 646100
摘要
为了解决皮肤癌诊断模型中性能无法满足临床应用要求，对于少数类别诊断精度不高的问题，提出一种基于迁移学习和数据增强的皮肤癌诊断模型SC-Net（skin cancer-net）。首先，引入ECA注意力模块，把DenseNet-201在ImageNet数据集上的预训练模型在皮肤癌数据集上进行微调训练并提取图像隐含高层次特征；然后融合一般性统计特征，并且通过SMOTE过采样技术以增强少数类别数据；最后，将数据输入XGBoost模型进行训练，最终得到SC-Net分类模型。实验结果表明，SC-Net模型在准确率、灵敏度、特异度三个指标上达到99.25%、99.25%和99.88%，诊断准确率相对于已有文献精度提升约0.6%~18.7%，并且对于皮肤纤维瘤、光化性角化病等少数类别具备更强的分类能力。
基金项目
国家自然科学基金资助项目(61562078,71563048)
新疆天山青年计划资助项目(2018Q073)
新疆高校研自科项目(XJEDU2021Y037)
新疆“天山雪松计划”青年拔尖人才计划项目
出版信息
DOI: 10.19734/j.issn.1001-3695.2021.12.0666
出版期卷: 《计算机应用研究》 印刷出版, 2022年第39卷 第8期
所属栏目: 图形图像技术
出版页码: 2550-2555,2560
文章编号: 1001-3695(2022)08-054-2550-06
发布历史
[2022-02-16] 优先出版
[2022-08-05] 印刷出版
引用本文
左航旭, 廖彬, 陈小昆, 等. 融合迁移学习和数据增强的SC-Net模型在皮肤癌识别中的应用 [J]. 计算机应用研究, 2022, 39 (8): 2550-2555,2560. (Zuo Hangxu, Liao Bin, Chen Xiaokun, et al. Application of SC-Net model integrated with transfer learning and data augmentation in skin cancer classification [J]. Application Research of Computers, 2022, 39 (8): 2550-2555,2560. )
关于期刊
- 计算机应用研究 月刊
- Application Research of Computers
-
刊号
ISSN 1001-3695
CN 51-1196/TP
《计算机应用研究》创刊于1984年，是由四川省科技厅所属四川省计算机研究院主办的计算技术类学术刊物。
《计算机应用研究》瞄准本学科领域迫切需要的前沿技术，及时反映国内外计算机应用研究的主流技术、热点技术及最新发展趋势。主要刊载内容包括本学科领域高水平的学术论文、本学科最新科研成果和重大应用成果。栏目内容涉及计算机学科新理论、计算机基础理论、算法理论研究、算法设计与分析、区块链技术、系统软件与软件工程技术、模式识别与人工智能、体系结构、先进计算、并行处理、数据库技术、计算机网络与通信技术、信息安全技术、计算机图像图形学及其最新热点应用技术。
《计算机应用研究》拥有众多高层次读者、作者，读者对象主要为从事计算机学科领域高、中级研究人员及工程技术人员，各高等院校计算机专业及相关专业的师生。多年来《计算机应用研究》的总被引频次及Web下载率一直名列本学科同类学术刊物前茅，所刊发的学术论文以其新颖性、学术性、前瞻性、导向性、实用性而备受广大读者的喜爱。
收录和评价
- 第二届国家期刊奖百种重点期刊
- 中国期刊方阵双效期刊
- 全国中文核心期刊（北大2023年版）
- 中国科技核心期刊
- 中国科学引文数据库(CSCD)来源期刊
- RCCSE中国核心学术期刊
- 中国计算机学会会刊
- 2020—2022年科技期刊世界影响力指数(WJCI)报告收录期刊
- 中国科技期刊精品数据库全文来源期刊
- 中国学术期刊综合评价数据库来源期刊
- 《中国期刊网》《中国学术期刊(光盘版)》来源期刊
- 2017—2019年中国国际影响力优秀学术期刊(自然科学与工程技术)
- 中国精品科技期刊顶尖学术论文(F5000)项目来源期刊
- 《中国工程技术电子信息网》《电子科技文献数据库》来源期刊
- 英国《科学文摘》(INSPEC)来源期刊
- 《日本科学技术振兴机构数据库》(JST)来源期刊
- 俄罗斯《文摘杂志》(AJ, VINITI)来源期刊
- 美国《艾博思科学术数据库》(EBSCO)全文来源期刊
- 美国《剑桥科学文摘(自然科学)》(CSA(NS))核心期刊
- 波兰《哥白尼索引》(IC)来源期刊
- 美国《乌利希期刊指南(网络版)》(Ulrichsweb)收录期刊
