Key points are not available for this paper at this time.
Das Risiko eines Mannes, eine Malignität zu verursachen, hängt von zahlreichen Faktoren wie Alter, genetischen Eigenschaften und Risikofaktoren ab. In den letzten Jahrzehnten gab es einen kontinuierlichen Anstieg der Inzidenz von Hautkrebs. Daher ist ein Computerunterstütztes Diagnosesystem (CAD) sehr gefragt, um Ärzten zu helfen, ihren körperlichen Aufwand bei der Melanomerkennung zu reduzieren. Diese Arbeit hat zum Ziel, effiziente Algorithmen zur Merkmalsextraktion für die Klassifikation von Melanom- und Nicht-Melanom-Fällen zu entwickeln, um ein CAD-System zu erstellen. Die Algorithmen werden anhand der im PH 2-Datensatz verfügbaren Bilder überprüft. Die ABCD- und 3-Punkte-Checklistenmerkmale werden aus den vorverarbeiteten Bildern extrahiert. Diese Merkmale werden analysiert und mithilfe verschiedener Klassifikationsalgorithmen wie Sequential Minimal Optimisation (SMO), logistischer Regression, Random Forest und J48-Entscheidungsbaum, die in der WEKA-Software verfügbar sind, verglichen. In der Analyse wurde festgestellt, dass die 3-Punkte-Checkliste eine bessere Genauigkeit und Präzision im Vergleich zur ABCD-Methode für verschiedene in Weka 3.8.2 getestete Klassifizierer aufweist.
Krishna et al. (Sun,) haben diese Frage untersucht.