检索结果-南通市图书馆

A Lightweight Approach for Skin Lesion Detection Through Optimal Features Fusion

Computers, Materials & Continua 2022年第1期70卷 1617-1630页

作者： Khadija Manzoor Fiaz Majeed ansar siddique Talha Meraj Hafiz Tayyab Rauf Mohammed A.El-Meligy Mohamed Sharaf Abd Elatty E.Abd Elgawad Department of Information Technology University of GujratGujrat50700Pakistan Department of Software Engineering University of GujratGujrat50700Pakistan Department of Computer Science COMSATS University Islamabad-Wah CampusWah Cantt47040Pakistan Centre for Smart Systems AI and CybersecurityStaffordshire UniversityStoke-on-TrentUK Advanced Manufacturing Institute King Saud UniversityRiyadh11421Saudi Arabia Department of Industrial Engineering College of EngineeringKing Saud UniversityRiyadh11421Saudi Arabia

Skin diseases effectively influence all parts of *** and accurate detection of skin cancer is necessary to avoid significant *** manual detection of skin diseases by dermatologists leads to misclassification due to the same intensity and color ***,an automated system to identify these skin diseases is *** studies on skin disease classification using different techniques have been ***,previous techniques failed to identify multi-class skin disease images due to their similar *** the proposed study,a computer-aided framework for automatic skin disease detection is *** the proposed research,we collected and normalized the datasets from two databases(ISIC archive,Mendeley)based on six Basal Cell Carcinoma(BCC),Actinic Keratosis(AK),Seborrheic Keratosis(SK),Nevus(N),Squamous Cell Carcinoma(SCC),and Melanoma(M)common skin ***,segmentation is performed using deep Convolutional Neural Networks(CNN).Furthermore,three types of features are extracted from segmented skin lesions:ABCD rule,GLCM,and in-depth *** transfer learning is used for deep feature extraction,while a support vector machine(SVM)is used for *** results show that SVM outperformed other studies in terms of accuracy,as AK disease achieved 100%accuracy,BCC 92.7%,M 95.1%,N 97.8%,SK 93.1%,SCC 91.4%with a global accuracy of 95.4%.

关键词： AlexNet CNN GLCM SVMs skin disease

来源：

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：