Key points are not available for this paper at this time.
Le développement d'une croissance cellulaire anormale est causé par différentes altérations pathologiques et certains troubles génétiques. Cette altération des cellules cutanées est très dangereuse et potentiellement mortelle, et son identification rapide est essentielle pour un meilleur traitement et une guérison sûre. Par conséquent, dans cet article, une approche est proposée pour la segmentation et la classification des lésions cutanées. Ainsi, dans le cadre de segmentation proposé, le Mobilenetv2 pré-entraîné est utilisé dans l'acte du pilier arrière du modèle DeepLabv3+ et entraîné sur les paramètres optimaux qui fournissent une amélioration significative pour la segmentation des lésions cutanées infectées. La classification multiclass des lésions cutanées est effectuée par extraction des caractéristiques du DesneNet201 pré-entraîné avec une dimension N × 1000, dont des caractéristiques informatives sont sélectionnées à partir de l'Algorithme de Moisissure Visqueuse (SMA) et entrées dans les classificateurs SVM et KNN. La méthode proposée a fourni une moyenne ROC de 0,95 ± 0,03 sur MED-Node, 0,97 ± 0,04 sur PH2, 0,98 ± 0,02 sur HAM-10000, et 0,97 ± 0,00 sur les ensembles de données ISIC-2019.
Zafar et al. (Mar,) ont étudié cette question.