TY -的A2 Cheikhrouhou奥马尔盟——张Shixiang盟——黄,Shuaiqi盟——吴Hongkai AU -杨,Zicong AU - Chen Yinda PY - 2021 DA - 2021/11/17 TI -智能数据分析诊断黑色素瘤皮肤损伤通过深度学习物联网系统中SP - 8700506六世- 2021 AB -黑色素瘤被认为是人类最危险的恶性肿瘤之一,由dermoscopic诊断视觉或分析和组织病理学检查。然而,这些传统的方法都是基于人类经验和手工实现,有伟大的限制一般可用性在目前的临床实践。本文提出了一种新颖的混合机器学习方法来确定黑素瘤在各种情况下对皮肤保健。该方法由经典的机器学习方法,包括卷积神经网络(cnn), EfficientNet, XGBoost监督机器学习。在拟议的方法中,直接从原始像素深度学习模型训练和图像标签分类的皮肤损伤。然后,仅仅基于病人的各种特性建模,采用XGBoost模型来预测皮肤癌。后,这一诊断系统由深度学习模型和XGBoost模型,进一步提高预测效率和准确性。不同于仅仅经验方法和基于图像的机器学习方法,该方法开发了基于深度学习的理论和工程特性。实验表明,混合模型优于单一模型像传统的深度学习模型或XGBoost模型。此外,data-driven-based特征可以帮助该方法开发的指导方针在其他医学应用图像分析。 SN - 1574-017X UR - https://doi.org/10.1155/2021/8700506 DO - 10.1155/2021/8700506 JF - Mobile Information Systems PB - Hindawi KW - ER -