SVM分類器を備えたハイブリッド畳み込みニューラルネットワークによる皮膚癌の分類

背景：皮膚科医はメラノーマの検出にデジタルダーモスコピーを広く使用しています。臨床医によるメラノーマの正確な検出は主観的であり、彼らの経験に依存します。ダーモスコピー画像の個人分析に内在する演者間の変動を排除するためには、完全自動化されたコンピュータ支援診断システムが必要です。目的：皮膚病変の自動分類は、皮膚表面のこれらの病変の外観に微細な違いがあるため、困難です。深層畳み込みニューラルネットワーク（CNN）は、多くの微細なオブジェクトクラスにおいて優れた分離性を示しています。方法：この記事では、ダーモスコピー画像を良性またはメラノーマ病変に分類するために、出力層にSVM分類器を備えた2つの新しいハイブリッドCNNモデルを提示します。最初のCNNと2番目のCNNモデルによって抽出された特徴を連結し、分類のためにSVM分類器に供給します。専門の皮膚科医から得られたラベルを使用して、提案されたモデルの性能を評価します。結果：提案されたモデルは、公開されているISBI 2016データセットにおいて最先端のCNNモデルよりも良い結果を示しました。88.02％および87.43％の精度を達成し、従来のCNNモデルよりも高い精度を維持しています。結論：提案されたフレームワークは、ダーモスコピー画像の分類精度をかなり向上させることができました。