颜色分类leetcode Deep Learning Melanoma:使用深度学习对黑色素瘤图像进行分类和分割

颜色分类leetcode黑色素瘤检测的深度学习莫希特·阿加瓦尔南迪塔·达玛拉朱沙比沙伊布动机黑色素瘤是一种神经嵴衍生细胞的癌症，为皮肤和其他组织提供色素沉着。在过去的4年里，美国黑色素瘤的发病率增长速度超过任何其他恶性肿瘤。恶性黑色素瘤患者的生存与早期发现直接相关。目前识别黑色素瘤的技术是手动扫描皮肤，但准确诊断黑色素瘤的唯一方法是活检。开发更准确、无创、自动化的技术来识别黑色素瘤，以降低医疗成本并促进早期检测，还有很大的余地。之前的工作面向模式识别。这些先前的方法可以根据它们是针对全局特征还是针对局部特征进行分类。全局方法遵循病变分割、特征提取、特征选择和病变分类的轮廓。局部方法将图像分成块并从这些块中提取特征。所有这些方法都使用统计学习、朴素贝叶斯、SVM等。然而，CNN已被证明在分割、定位和特征提取等任务中非常有效，绝对应该为这些任务进行探索。最近的一种方法使用在ILSVRC 2012数据上预训练的CNN进行特征提取。