基于改进的ResNet50网络的黑色素瘤分类方法

作     者：邓辉 张洁 DENG Hui;ZHANG Jie

作者机构：南京邮电大学计算机学院江苏南京210023 

基　　金：国家重点研发计划(2018YFB1500902) 南京邮电大学校级科研基金(NY219122) 

出 版 物：《计算机技术与发展》 (Computer Technology and Development)

年 卷 期：2023年第33卷第2期

页      码：64-70页

摘      要：黑色素瘤的早期诊断对提高患者的五年生存率至关重要。针对临床上使用皮肤镜检查黑色素瘤费时、费力的问题,提出一种基于迁移学习和改进的ResNet50模型的黑色素瘤分类模型MC-Net(Melanoma Classification-Net)。首先,为了降低数据集样本分布不均匀以及毛发遮挡信息带来的影响,进行数据增强;对ResNet50的输入主干重新进行了设计,用常规卷积和深度可分离卷积的组合代替原来的7×7大卷积核;对残差块进行了优化,使用GELU函数替代ReLU函数,并将特征相加后的激活层移到残差块内部,同时去除了部分BN层和激活层;向网络中添加CA注意力机制,使得网络更加关注目标的关键信息,从而抑制其他无用信息;结合迁移学习,利用在ImageNet上预训练权重初始化网络并在数据集上进行微调训练,得到最终黑色素瘤分类模型。实验结果表明,所改进的结构对模型性能提升具有显著效果,MC-Net模型在准确率和F1指标上达到94.87%和95.01%,经过迁移学习得到的最终分类模型在数据集上进行测试,获得了95.4%的准确率和95.6%的F1值,均优于其他网络。

主 题 词：黑色素瘤 ResNet50 注意力机制 GELU 数据增强 迁移学习 

学科分类：081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类] 

D　O　I：10.3969/j.issn.1673-629X.2023.02.010

馆 藏 号：203118546...