计算机应用研究

作者：左航旭,廖彬,陈小昆,童洋,李勇,

单位：1.新疆财经大学统计与数据科学学院,乌鲁木齐830012；2.电子科技大学电子信息系,成都610000；3.西南医科大学中西医结合学院,四川泸州646100；

关键词：皮肤癌诊断,DenseNet-201模型,XGBoost模型,特征融合,数据增强,注意力机制,少数类识别,

基金：国家自然科学基金资助项目(61562078,71563048)；新疆天山青年计划资助项目(2018Q073)；新疆高校研自科项目(XJEDU2021Y037)；新疆“天山雪松计划”青年拔尖人才计划项目；；

为了解决皮肤癌诊断模型中性能无法满足临床应用要求，对于少数类别诊断精度不高的问题，提出一种基于迁移学习和数据增强的皮肤癌诊断模型SC-Net（skin cancer-net）。首先，引入ECA注意力模块，把DenseNet-201在ImageNet数据集上的预训练模型在皮肤癌数据集上进行微调训练并提取图像隐含高层次特征；然后融合一般性统计特征，并且通过SMOTE过采样技术以增强少数类别数据；最后，将数据输入XGBoost模型进行训练，最终得到SC-Net分类模型。实验结果表明，SC-Net模型在准确率、灵敏度、特异度三个指标上达到99.25%、99.25%和99.88%，诊断准确率相对于已有文献精度提升约0.6%~18.7%，并且对于皮肤纤维瘤、光化性角化病等少数类别具备更强的分类能力。

来源：2022年第8期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2022年第8期