一个基于健康物联网的深度学习框架，用于使用迁移学习检测和分类皮肤癌

摘要 根据世界卫生组织的规定，皮肤癌的发生率在过去几十年中持续增长。目前，每年全球有200万到300万例非黑色素瘤皮肤癌和132,000例黑色素瘤皮肤癌。在皮肤癌发展的早期阶段进行检测和分类，可以使患者获得适当的诊断和治疗。本文的目标是提出一个新颖的深度学习健康物联网（IoHT）驱动框架，利用迁移学习的理念对皮肤图像中的皮肤病变进行分类。在所提出的框架中，自动从图像中提取特征，使用不同的预训练架构如VGG19、Inception V3、ResNet50和SqueezeNet，这些特征被输入到卷积神经网络的全连接层，以对皮肤良性和恶性细胞进行分类，采用密集和最大池化操作。此外，所提出的系统完全与IoHT框架集成，可以远程使用，帮助医疗专家进行皮肤癌的诊断和治疗。观察到，所提出框架在精确度、召回率和准确性方面的性能评估优于其他预训练架构，能够有效检测和分类皮肤病变图像中的皮肤癌。