.png){kind=icon}
返回
Modified LSTM based skin lesion segmentation and classification using optimization concept
.png){kind=icon}
OA
AI
DOI：10.1007/s42452-025-07511-2.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
皮肤癌是最严重的癌症类型之一，影响着相当一部分人口。图像分析显著提高了自动诊断的准确性，相比无辅助的视觉评估。机器学习已作为自动皮肤病变分类的关键技术出现；然而，其可扩展性常受限于高质量训练标注数据的可用性。本研究旨在利用新颖的深度学习技术对皮肤病变进行分割和分类。数据样本来自基准数据集，包括HAM10000和ISIC 2017，确保了代表性和多样性。预处理包括毛发去除，随后对去毛图像进行中值滤波。皮肤病变分割采用U-Net方法，并从分割图像中提取颜色、通过GLCM的纹理以及RGB直方图等特征。最终分类阶段采用MLSTM，其隐藏神经元通过STBO优化，旨在最大化准确率和精确率。所提出的模型将皮肤病变分为正常、良性或恶性。最终分类阶段采用MLSTM，其隐藏神经元通过STBO优化，旨在最大化准确率和精确率。所提出的模型将皮肤病变分为正常、良性或恶性。比较分析表明，MLSTM-STBO模型达到97.20%的准确率、97.14%的敏感性、97.04%的精确率、99.48%的特异性、97.08%的F1分数、98.12%的MCC、96.17%的TPR和6.20%的FPR，相比传统方法提升了高达25.21%。
Keyword:
Skin lesion segmentation and classification
Modified long short-term memory
U-Net segmentation
Gray level co-occurrence matrix
Sewing training-based optimization
期刊
D
IF:
2.4
论文数:
1.6K
被引数:
492
机构
引用论文
分享收藏分享收藏Softflatten-Net: A Deep Convolutional Neural Network Design for Monkeypox Classification From Digital Skin Lesions Images.png)
IEEE SENSORS JOURNAL
IEEE SENSORS JOURNALIF4.5
PREAI
分享收藏Accurate Segmentation and Registration of Skin Lesion Images to Evaluate Lesion Change精确分割和配准皮肤病变图像以评估病变变化
OAAI
OAAI分享收藏An End-to-End Multi-Task Deep Learning Framework for Skin Lesion Analysis一种用于皮肤病变分析的端到端多任务深度学习框架
PREAI
分享收藏Handheld Microwave System for In Vivo Skin Cancer Detection: Development and Clinical Validation用于体内皮肤癌检测的手持式微波系统: 开发和临床验证
PREAI
分享收藏
查看更多内容