期刊简介
本刊是全国生物医学工程工作人才沟通学术思想、交流学术经验的园地。报道有创造性的最新科研论文和研究简讯。包括学科有：人工器官和生物医用材料，生物效应，生物信息与控制；生物力学；生物医学仪器；中医工程；临床工程等。读者对象是国内外生物医学工程学工作者、医务工作者以及其他从事自然科学研究和有关工程技术人员。
往期目录
-
1994
-
1998
-
1999
-
2000
-
2001
-
2002
-
2003
-
2004
-
2005
-
2006
-
2007
-
2008
-
2009
-
2010
-
2011
-
2012
-
2013
-
2014
-
2015
-
2016
-
2017
-
2018
首页>中国生物医学工程学报杂志
- 杂志名称：中国生物医学工程学报杂志
- 主管单位：中国科学技术协会
- 主办单位：中国生物医学工程学会
- 国际刊号：0258-8021
- 国内刊号：11-2057/R
- 出版周期：双月刊
期刊荣誉：中国期刊全文数据库(CJFD)期刊收录：医学文摘, 万方收录(中), 统计源核心期刊(中国科技论文核心期刊), CSCD 中国科学引文数据库来源期刊(含扩展版), 文摘与引文数据库, 国家图书馆馆藏, 维普收录(中), 上海图书馆馆藏, SA 科学文摘(英), JST 日本科学技术振兴机构数据库(日), CA 化学文摘(美), 北大核心期刊(中国人文社会科学核心期刊), 知网收录(中)
基于深度残差网络的皮肤镜图像黑色素瘤的识别
李航；余镇；倪东；雷柏英；汪天富
关键词：皮肤镜检查图像, 黑色素瘤识别, 残差网络, 深度学习
摘要：恶性黑色素瘤是常见和致命的皮肤癌之一.临床上,皮肤镜检查是恶性黑色素瘤早期诊断的常规手段.但是人工检查费力、费时,并且高度依赖于皮肤科医生的临床经验.因此,研究出自动识别皮肤镜图像中的黑色素瘤算法显得尤为重要.提出一种皮肤镜图像自动评估的新框架,利用深度学习方法,使其在有限的训练数据下产生更具区分性的特征.具体来说,首先在大规模自然图像数据集上预训练一个深度为152层的残差神经网络(Res-152),用来提取皮肤病变图像的深度卷积层特征,并对其使用均值池化得到特征向量,然后利用支持向量机(SVM)对提取的黑色素瘤特征进行分类.在公开的皮肤病变图像ISBI 2016挑战数据集中,用所提出的方法对248幅黑色素瘤图像和1 031幅非黑色素瘤图像进行评估,达到86.28％的准确率及84.18％的AUC值.同时,为论证神经网络深度对分类结果的影响,比较不同深度的模型框架.与现有使用传统手工特征的研究(如基于密集采样SIFT描述符的词袋模型)相比,或仅从深层神经网络的全连接层提取特征进行分类的方法相比,新方法能够产生区分性能更强的特征表达,可以在有限的训练数据下解决黑色素瘤的类内差异大、黑色素瘤与非黑素瘤之间的类间差异小的问题.
友情链接