matlab精度检验代码通过卷积神经网络（CNN）检测黑素瘤
该项目的目的是创建一个卷积神经网络（CNN），将皮肤病变的皮肤镜图像分类为黑色素瘤或非黑色素瘤。
皮肤镜图像是使用显微镜和照明的皮肤图像。
动机
黑色素瘤是最致命，最具侵略性的皮肤癌。
预计到2018年，皮肤黑色素瘤将在美国造成9,320例死亡。
但是，如果黑色素瘤是早期发现的，则5年生存率约为99％。
因此，在转移之前，黑素瘤的早期检测对于患者的生存至关重要。
黑色素瘤是由位于皮肤表皮中的黑色素生成细胞（黑色素细胞）的快速生长演变而来的。
尽管只能通过活检才能确定黑色素瘤，但通常使用助记符“
ABCDEs”在现有或新痣（通常称为“痣”）中进行视觉识别：
不对称–病变形状不规则或不对称。
边框–边缘不规则且难以定义。
颜色–存在不止一种颜色或颜色分布不均。
直径–直径大于6毫米。
不断发展–病变的颜色和大小随时间而改变。
建于
TensorFlow
凯拉斯
Python
MATLAB的深度学习工具箱
楷模
为此项目探索了两种CNN架构：
使用Keras，TensorFlow和Python从零开始构建的简单CNN。
使用MAT
2021-09-29 21:18:01
21.03MB
1