Computational Intelligence für die Identifizierung von Hautmelanomen

Das Hauptziel des Einsatzes von Computerintelligenz ist die Klassifizierung von Hautkrebsbildern in die drei Klassen gewöhnlicher Naevus, atypischer Naevus und Melanom mit Hilfe einer schnelleren und genaueren Mehrfachklassifizierungstechnik. In dieser Arbeit wird ein farbiges lokales Richtungsmuster (CLDP) für die Merkmalsextraktion vorgeschlagen. Dieser Deskriptor kombiniert die wichtigsten Merkmale für Hautmelanome wie Farbe, Textur und Form in einem Vektor und verwendet den Dull-Razor-Algorithmus zur Haarentfernung im Vorverarbeitungsschritt. Das vorgeschlagene Modell verwendet Extreme Learning Machine (ELM) für eine schnellere und genauere Mehrfachklassifizierung als Support Vector Machine (SVM). Für den PH2-Datensatz wird eine Klassifizierungsgenauigkeit von 95,23 % erreicht.

Autorentext

Soy el Dr. A. Sherly Alphonse. Tengo una experiencia docente de siete años y una experiencia investigadora de cuatro años. Tengo buena experiencia en el aprendizaje automático, el reconocimiento de patrones y el procesamiento de imágenes.