关键词melanoma classification
搜索结果 - 3
- 基于图神经网络的组织病理学数据中放射组学特征和基因表达谱的比较分析
该研究利用图神经网络将 MELC 数据与放射学特征相结合,着重进行细胞级别分析,评估基因表达谱和放射学特征的有效性,发现放射学特征,尤其是与 UMAP 结合进行降维,显著提高分类性能。值得注意的是,使用放射学特征有助于提高诊断准确性和计算效 - CVPR选择 CNN 结构进行黑色素瘤分类:单独还是集成?
本研究在 ISIC Challenge 2017 数据集上对 9 种 CNN 架构进行了 5 种切分和 3 种重复测试,结果发现 CNN 架构在 ImageNet 上的表现与目标任务的表现强相关性的观点不太成立,当考虑仅使用表现最好的网络时 - 皮肤病变分析的数据增强
本文探讨了 13 种数据增强下三种卷积神经网络(Inception-v4、ResNet 和 DenseNet)对黑色素瘤分类的影响,结果表明数据增强可以在训练和测试中都提高性能,且可以比获得新图像更有效。最佳情况下,不借助外部数据的黑色素瘤