matlab精度检验代码-melanoma-detection-ml:通过深度卷积神经网络(CNN)检测黑素瘤

上传者: 38635323 | 上传时间: 2021-09-29 21:18:01 | 文件大小: 21.03MB | 文件类型: ZIP
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

文件下载

资源详情

[{"title":"( 18 个子文件 21.03MB ) matlab精度检验代码-melanoma-detection-ml:通过深度卷积神经网络(CNN)检测黑素瘤","children":[{"title":"melanoma-detection-ml-master","children":[{"title":"src","children":[{"title":"keras_model_training.log <span style='color:#111;'> 981B </span>","children":null,"spread":false},{"title":"post_alexnet_cnn.m <span style='color:#111;'> 917B </span>","children":null,"spread":false},{"title":"train_alexnet_cnn.m <span style='color:#111;'> 1.96KB </span>","children":null,"spread":false},{"title":"post_keras_cnn.py <span style='color:#111;'> 2.40KB </span>","children":null,"spread":false},{"title":"plot_keras_training_data.m <span style='color:#111;'> 697B </span>","children":null,"spread":false},{"title":"train_keras_cnn.py <span style='color:#111;'> 3.34KB </span>","children":null,"spread":false}],"spread":true},{"title":"images","children":[{"title":"AlexNet_Training.png <span style='color:#111;'> 1.17MB </span>","children":null,"spread":false},{"title":"Melanoma.jpg <span style='color:#111;'> 1.27MB </span>","children":null,"spread":false},{"title":"AlexNet_MATLAB_2.png <span style='color:#111;'> 565.47KB </span>","children":null,"spread":false},{"title":"Melanoma_2.jpg <span style='color:#111;'> 16.36MB </span>","children":null,"spread":false},{"title":"AlexNet_MATLAB.png <span style='color:#111;'> 423.40KB </span>","children":null,"spread":false},{"title":"Non-Melanoma.jpg <span style='color:#111;'> 1.27MB </span>","children":null,"spread":false},{"title":"AlexNet_Classification.jpg <span style='color:#111;'> 257.18KB </span>","children":null,"spread":false},{"title":"Keras_Block.png <span style='color:#111;'> 106.74KB </span>","children":null,"spread":false},{"title":"Non-Melanoma_2.jpg <span style='color:#111;'> 110.48KB </span>","children":null,"spread":false},{"title":"AlexNet_Classification_2.jpg <span style='color:#111;'> 259.23KB </span>","children":null,"spread":false},{"title":"AlexNet.png <span style='color:#111;'> 76.16KB </span>","children":null,"spread":false}],"spread":false},{"title":"README.md <span style='color:#111;'> 8.47KB </span>","children":null,"spread":false}],"spread":true}],"spread":true}]

评论信息

免责申明

【只为小站】的资源来自网友分享,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二条之规定,若资源存在侵权或相关问题请联系本站客服人员,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明