An Integrated Deep Learning Model for Skin Cancer Detection Using Hybrid Feature Fusion Technique

要約

皮膚がんは、DNA 損傷によって引き起こされる重篤で死に至る可能性のある病気です。
早期発見により生存率が大幅に向上するため、正確な診断が重要になります。
この画期的な研究では、良性および悪性の皮膚病変の正確な分類を達成する深層学習 (DL) に基づくハイブリッド フレームワークを紹介します。
私たちのアプローチは、分類精度を高めるためのデータセットの前処理から始まり、その後、2 つの事前トレーニング済み DL モデル、InceptionV3 と DenseNet121 をトレーニングします。
加重合計ルールを使用して各モデルの結果を融合することにより、当社のシステムは優れた精度を達成します。
具体的には、検出精度 92.27%、感度 92.33%、特異度 92.22%、精度 90.81%、F1 スコア 91.57% を達成し、既存のモデルを上回り、ハイブリッド アプローチの堅牢性と信頼性を実証しています。
私たちの研究は皮膚がん診断における大きな進歩を表しており、この分野のさらなる研究に有望な基盤を提供します。
早期発見により無数の命を救う可能性を秘めた当社のハイブリッドディープラーニングアプローチは、皮膚がんとの闘いにおける変革をもたらします。

要約(オリジナル)

Skin cancer is a serious and potentially fatal disease caused by DNA damage. Early detection significantly increases survival rates, making accurate diagnosis crucial. In this groundbreaking study, we present a hybrid framework based on Deep Learning (DL) that achieves precise classification of benign and malignant skin lesions. Our approach begins with dataset preprocessing to enhance classification accuracy, followed by training two separate pre-trained DL models, InceptionV3 and DenseNet121. By fusing the results of each model using the weighted sum rule, our system achieves exceptional accuracy rates. Specifically, we achieve a 92.27% detection accuracy rate, 92.33% sensitivity, 92.22% specificity, 90.81% precision, and 91.57% F1-score, outperforming existing models and demonstrating the robustness and trustworthiness of our hybrid approach. Our study represents a significant advance in skin cancer diagnosis and provides a promising foundation for further research in the field. With the potential to save countless lives through earlier detection, our hybrid deep-learning approach is a game-changer in the fight against skin cancer.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google