皮肤癌分割-ISIC2018
使用Unet和Mask R-CNN对皮肤病变（黑色素瘤）病变进行分割。
任务：病变分割
Unet：seg_unet.ipynb
损失：0.147
精度：0.946
jaccard_distance：0.723
灵敏度：0.878
特异性：0.97
面罩-RCNN：seg_mask_RCNN.ipynb
2021-04-14 10:30:08
45.65MB
1
皮肤癌识别黑色素瘤
在这里，我们将设计一种可以从视觉上诊断皮肤癌最致命形式的黑色素瘤的算法。 特别地，该算法将把这种恶性皮肤肿瘤与其他类型的良性病变区分开。
数据和目的摘自《国际标准产业分类》关于皮肤病灶分析的黑色素瘤检测挑战。 作为挑战的一部分，参与者的任务是设计一种诊断皮肤病变图像的算法，该图像是三种不同皮肤疾病（黑素瘤，痣或脂溢性角化病）之一。
2021-04-08 00:39:53
1.36MB
1