皮肤肿瘤图像分类与铣削工件质量自动评估方法
皮肤肿瘤图像分类
- 数据集选择
- 本研究聚焦于ABCD(E)方法的前三个特征:不对称性、边界和颜色(ABC)。由于数据集未包含图像中痣的临床尺寸及其他有助于确定痣大小的数据,因此无法进行演变过程分析。
- 从包含10015张皮肤镜图像的HAM10000数据集中,首先排除有晕影的图像,因为晕影会使皮肤图像非常不对称,难以区分皮肤肿瘤和晕影。
- 根据HAM10000元数据,选择数量大致相同的良性和恶性皮肤肿瘤图像,即971例良性皮肤肿瘤(阳性)和1163例恶性皮肤肿瘤(阴性),共2134张皮肤肿瘤图像用于研究。
- 性能评估指标
- 灵敏度(Sensitivity) :也称为召回率(Recall),是正确分类的阳性病例占所有实际阳性病例的比例,计算公式为:$Sensitivity = \frac{TP}{TP + FN}$。
- 特异性(Specificity) :是正确分类的阴性病例占所有实际阴性病例的比例,计算公式为:$Specificity = \frac{TN}{TN + FP}$。
- 精确率(Precision) :是正确分类的阳性病例占所有分类为阳性病例的比例,计算公式为:$Precision = \frac{TP}{TP + FP}$。
超级会员免费看
订阅专栏 解锁全文
381

被折叠的 条评论
为什么被折叠?



