计算机工程

作者：殷文君, 黄建华, 纪元法

单位：桂林电子科技大学 信息与通信学院, 广西 桂林 541004

关键词：皮肤肿瘤分类,DenseNet-169模型,元数据,特征融合,MD-Layer模块

基金：湖南省自然科学基金(2021JJ30918); 湖南省自然科学基金(2022JJ30795); 广西研究生教育创新计划项目(2022YCXS025)

皮肤癌的诊断受医生个人主观影响较大，现有的神经网络皮肤癌诊断研究大多停留在图像层面，没有考虑患者的临床数据，诊断准确率有待提高。提出一种融合皮肤肿瘤临床患者元数据的MD-Layer模块，并嵌入到密集卷积分类网络模型DenseNet-169中。在ImageNet数据集上对DenseNet-169网络进行预训练，使得到的模型在皮肤癌数据集上进行调参训练，并提取图像隐含的高层次特征。MD-Layer模块由MetaNet模块和MetaBlock模块提取到的特征融合构建而来。MetaNet模块通过元数据控制DenseNet-169网络中每个特征通道的特定部分，从而获得加权特征。MetaBlock模块利用元数据增强从图像中提取的特征，即根据元数据信息引导图像选择最相关的特征输出。最后，将融合后的结果输入到分类器，实现皮肤肿瘤的分类。实验结果表明，融合MD-Layer模块的DenseNet-169网络模型的平衡准确率为0.814，相较于已有工作提升0.080~0.156，解决了少数皮肤肿瘤类别诊断准确率不高的问题。

来源：2023年第7期

《计算机工程》期刊编辑部

查看计算机工程杂志2023年第7期