Deep Learning-Based Classification of Melanoma and Non-Melanoma Skin Cancer

黑色素瘤 皮肤癌 医学 皮肤病科 人工智能 癌症 癌症研究 计算机科学 内科学
作者
Eatedal Alabdulkreem,Hela Elmannai,Aymen Saad,Israa S. Kamil,Ahmed Elaraby
出处
期刊:Traitement Du Signal [International Information and Engineering Technology Association]
卷期号:41 (1): 213-223 被引量:1
标识
DOI:10.18280/ts.410117
摘要

Melanoma skin cancer is primarily characterized by poor prognostic responses.Surgical treatment can achieve advanced cure rate with early melanoma detection.Manual segmentation of suspected lesions aids early melanoma diagnosis.However, the limitations of manual segmentation include low efficiency and a risk of misclassification.Deep learning, due to its proficiency in image object classification, has gained popularity and is usually used in medical specialties such as ophthalmology, dermatology, and radiology.This paper proposes a deep learning method using a novel light weight convolutional neural networks (LWCNN) and transfer learning techniques (GoogleNet,.These are used to train datasets and features enhancement of skin scan gathered from Kaggle, aiming to distinguish them into two groups: Melanoma and Non-Melanoma cells.By employing these techniques, new datasets with robust features are produced.All CNN models have been tested in two experiments.In firestone, model was tested solely with original datasets and achieved 97.30%, 88.43%, and 48.28% for AC-Training, AC-Testing, and Time (min) respectively.In second experiment, we used the dataset after enhancing the features of skin scan images, which resulted in 99.18%, 91.05%, and 22.54% for AC-Training, AC-Testing, and Time (min) respectively.According to experimental results, the proposed approach provides higher accuracy results for enhanced images than original images, demonstrating its potential in skin cancer classification.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
洗剪吹完成签到,获得积分10
刚刚
红叶发布了新的文献求助10
1秒前
kanglan完成签到,获得积分10
1秒前
烟花应助zdl采纳,获得10
1秒前
atad2发布了新的文献求助10
2秒前
羊洋洋完成签到,获得积分20
2秒前
lixiaolu完成签到 ,获得积分10
2秒前
tangting发布了新的文献求助20
2秒前
烁丶完成签到 ,获得积分10
2秒前
又甘又刻完成签到,获得积分10
3秒前
5秒前
5秒前
xxx发布了新的文献求助10
5秒前
绝笔情书完成签到,获得积分10
6秒前
小宁发布了新的文献求助10
7秒前
7秒前
阳光起眸完成签到,获得积分10
7秒前
7秒前
又甘又刻发布了新的文献求助10
7秒前
8秒前
9秒前
9秒前
种花家的狗狗完成签到 ,获得积分10
9秒前
看不懂发布了新的文献求助10
10秒前
庄彧完成签到 ,获得积分10
10秒前
Mike完成签到,获得积分10
10秒前
学术小白完成签到,获得积分10
10秒前
怪xy完成签到,获得积分10
10秒前
虚心的幻翠完成签到,获得积分20
11秒前
彭佳乐发布了新的文献求助10
11秒前
zdl发布了新的文献求助10
12秒前
聪明的我发布了新的文献求助10
13秒前
111发布了新的文献求助10
13秒前
想退休了完成签到 ,获得积分10
13秒前
13秒前
传奇3应助pojian采纳,获得10
13秒前
LeafJin完成签到 ,获得积分10
13秒前
ZYC完成签到,获得积分10
14秒前
14秒前
震人完成签到,获得积分10
14秒前
高分求助中
Sustainability in Tides Chemistry 2800
The Young builders of New china : the visit of the delegation of the WFDY to the Chinese People's Republic 1000
Rechtsphilosophie 1000
Bayesian Models of Cognition:Reverse Engineering the Mind 888
Le dégorgement réflexe des Acridiens 800
Defense against predation 800
A Dissection Guide & Atlas to the Rabbit 600
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3134472
求助须知:如何正确求助?哪些是违规求助? 2785402
关于积分的说明 7772258
捐赠科研通 2441051
什么是DOI,文献DOI怎么找? 1297713
科研通“疑难数据库(出版商)”最低求助积分说明 625042
版权声明 600813