基于非典型类数据平衡的皮肤癌智能诊断策略

皮肤癌早期诊断和筛查非常重要,但是皮肤癌识别难度较大,诊断准确度一直偏低。在国际皮肤影像协会举办的最近一次多分类竞赛ISIC2019上,冠军模型的平均准确率仅为63.6%。目前亟须性能良好的策略来提升皮肤病智能分类的准确性。经研究使用EfficientNet网络,并创新性提出非典型类数据平衡策略。用ISIC2019竞赛数据进行实验,结果显示,八分类的平均准确度高达82.4%。非典型类数据平衡策略为不均衡数据集的分类提供了一个新的方案。