| 摘要: |
| 目的 探究高分辨率卷积神经网络(HRNetW32)模型在皮肤常见肿瘤临床诊断中的应用。方法 基于高分辨率特征提取皮肤常见肿瘤智能诊断模型，利用HRNetW32模型，实现统一输入皮肤常见肿瘤皮肤镜图像，自动预测皮肤常见肿瘤类型的诊断结果；同时将构建的模型与VGG16、VGG19、ResNet34等常见卷积神经网络模型进行对比分析。结果 HRNetW32模型在训练集和验证集准确率分别为99.72%和95.00%,损失函数值分别为0.15和0.21,表明所构建的模型能准确高效地提取皮肤常见肿瘤皮肤镜图像的高维特征。同时HRNetW32模型表现出了优于VGG16、VGG19、ResNet34模型的精确率、召回率、Micro F1分数、灵敏度、特异度、真正率和假正率。结论 HRNetW32模型可用于常见皮肤肿瘤筛检，且诊断准确率较高，具有较高临床诊断价值。 |
| 关键词: 皮肤肿瘤诊断 图像识别 特征融合 高分辨率卷积神经网络 |
| DOI： |
| 分类号: |
| 基金项目:凉山州2021年度技术研究开发与推广应用项目(编号：21ZDYF0106)； |
|
|
|
|
|
|
| Abstract: |
|
| Key words: |
