Deep Learning Methods for Bug Bite Classification: An End-to-End System

doi:10.3390/app13085187

Deep Learning Methods for Bug Bite Classification: An End-to-End System

2023-04-21

0

OA

AI

DOI：10.3390/app13085187

原文链接

原文求助

摘要

En 中文

昆虫叮咬可能会使受影响者暴露于严重甚至危及生命的情况，这可能需要立即的医疗关注。由于昆虫叮咬的表现多样且与其他皮肤状况相似，即使是经验丰富的医疗人员也难以识别。这促使我们开发一个基于昆虫叮咬图像分类的计算机辅助系统，以提供相关信息。近年来，在利用图像分类方法检测各种皮肤状况方面取得了显著进展。然而，关于昆虫叮咬分类的研究资源非常有限。本研究的目标是填补这一文献空白，并提出一个全面的方法来分析这一主题。这包括：（1）创建一个比相关研究中使用的更大的数据集；（2）探索和分析预训练的先进深度学习架构在迁移学习中的应用，以克服数据集规模小和计算负担的挑战；（3）通过提出模型集成来进一步改进单个卷积神经网络（CNN）的分类性能；以及（4）实现并描述一个端到端的昆虫叮咬图像分类系统，该系统应有助于医疗人员在诊断过程中。本文详细讨论了模型架构、后端架构和性能。根据通用评估指标，准确率为78%的DenseNet169优于其他单个CNN模型。然而，提出的堆叠集成模型实现了最佳整体性能（准确率为86%）。这些结果优于有限的现有相关研究。此外，它们表明深度CNN和迁移学习可以成功应用于昆虫叮咬分类问题。

Deep Learning Methods for Bug Bite Classification: An End-to-End System

摘要

期刊

机构

引用论文