Core Concepts
VGG16とVGG19の事前学習モデルを活用し、データ拡張なしで高精度な皮膚がん検出モデルを構築することができる。
Abstract
本研究では、皮膚がんの自動検出のために、VGG16とVGG19の事前学習モデルを活用したカスタマイズされた転移学習モデルを提案している。
2541枚の皮膚病変画像(メラノーマ1200枚、良性母斑1341枚)を使用
転移学習の際、ImageNetの重みを利用し、最初の3層の重みを固定することで、皮膚病変の境界検出能力を向上
過学習を防ぐためにドロップアウトを導入
10分割交差検証を行い、平均精度97.51%(VGG16)、98.18%(VGG19)を達成
従来手法と比較して3%以上の精度向上を実現
Stats
皮膚がんは全体の70%の死亡率を占める最も危険な癌の1つである。
早期発見が治療の可能性を大きく高める。
Quotes
"深層学習手法は画像分類の分野で優れた性能を発揮することが証明されている。"
"提案手法は、データ拡張を行うことなく、高精度な皮膚がん検出を実現できる。"