4、基于卷积神经网络的皮肤疾病分类模型

基于卷积神经网络的皮肤疾病分类模型

1 引言

皮肤疾病比其他疾病更为普遍，可由真菌、细菌、过敏或病毒等引起。表皮疾病会改变皮肤的质地和颜色，通常具有慢性、传染性，有时还会发展为皮肤恶性肿瘤。人体有众多器官，而表皮作为最大的器官，对保护内部器官至关重要。

许多因素会引发皮肤疾病，但大多数人对皮肤疾病的类型和阶段了解甚少。部分皮肤疾病在感染数月后才会出现症状，这是由于大众医疗意识不足。而且，皮肤疾病诊断困难，可能需要昂贵的实验室检测来确定病情类型和阶段。

激光和光子学医疗技术使皮肤疾病诊断更快更准确，但费用高昂。因此，基于图像处理的皮肤疾病诊断方法应运而生。该方法通过分析患病皮肤的数字照片来识别疾病类型，而基于人工智能的技术在其中发挥了重要作用，它们高效、快速且准确，仅需数码相机和计算机等设备。

近年来，卷积神经网络（CNN）在特征提取和分类应用中广泛使用。它能通过不同大小的卷积核从图像中提取微小信息，还可用于区分手指静脉等。人工神经网络能解决模式识别、分类、聚类等多种问题。

此前有研究使用Vgg19深度神经网络和轻量级（GBM）创建混合算法对脑肿瘤进行分类，取得了不错的效果。而本次研究旨在对多达7种不同的皮肤疾病进行分类，包括基底细胞癌（BCC）、皮肤纤维瘤（DF）、黑色素瘤（MN）等。使用可变输出层大小的CNN深度神经网络可自定义检测类别数量，研究表明二元分类准确率最高可达99%，随着类别增加，准确率会逐渐下降至接近87%。

2 相关工作

• 多架构集成方法 ：有研究将皮肤病变分为八类，使用ISIC - 2019数据集和额外样本图像，构建了CNN架构