论文部分内容阅读
针对人工识别皮肤癌恶性肿瘤中不可避免的人为因素,以及效率低、设备要求高等问题,提出了一种基于EfficientNet网络的新的皮肤癌识别与分类方法。首先,由于样本数据量过小,通过数据预处理实现数据增强,从而防止训练模型出现过拟合的问题。然后将数据集在EfficientNet网络模型上进行训练,同时采用Adam调整学习率,进而实现皮肤癌图像的识别与分类。实验结果表明,该模型的准确率和查全率可分别达到90.78%和88.23%,在保证了准确率和查全率的前提下,参数量大大减少,可有效提升临床医学诊断的效率。