Deep neural networks approach to skin lesions classification — A comparative analysis - Publikacja - MOST Wiedzy

Wyszukiwarka

Deep neural networks approach to skin lesions classification — A comparative analysis

Abstrakt

The paper presents the results of research on the use of Deep Neural Networks (DNN) for automatic classification of the skin lesions. The authors have focused on the most effective kind of DNNs for image processing, namely Convolutional Neural Networks (CNN). In particular, three kinds of CNN were analyzed: VGG19, Residual Networks (ResNet) and the hybrid of VGG19 CNN with the Support Vector Machine (SVM). The research was carried out with the use of database of over 10 000 images representing skin lesions: benign and malignant. Because of an uneven number of images representing different classes of lesions, the up-sampling of underrepresented class was applied. The comparison of the CNN structures with respect to the accuracy, sensitivity and specificity was performed using k-fold validation method.

Cytowania

  • 4 8

    CrossRef

  • 0

    Web of Science

  • 6 1

    Scopus

Cytuj jako

Pełna treść

pełna treść publikacji nie jest dostępna w portalu

Słowa kluczowe

Informacje szczegółowe

Kategoria:
Aktywność konferencyjna
Typ:
publikacja w wydawnictwie zbiorowym recenzowanym (także w materiałach konferencyjnych)
Tytuł wydania:
2017 22nd International Conference on Methods and Models in Automation and Robotics (MMAR) strony 1043 - 1048
Język:
angielski
Rok wydania:
2017
Opis bibliograficzny:
Kwasigroch A., Mikołajczyk A., Grochowski M.: Deep neural networks approach to skin lesions classification — A comparative analysis// 2017 22nd International Conference on Methods and Models in Automation and Robotics (MMAR)/ : Institute of Electrical and Electronics Engineers (IEEE), 2017, s.1043-1048
DOI:
Cyfrowy identyfikator dokumentu elektronicznego (otwiera się w nowej karcie) 10.1109/mmar.2017.8046978
Weryfikacja:
Politechnika Gdańska

wyświetlono 187 razy

Publikacje, które mogą cię zainteresować

Meta Tagi