Intelligence informatique pour l'identification des mélanomes de la peau

L'objectif principal de l'utilisation de l'intelligence informatique est de classer les images de cancer de la peau en trois classes : naevus commun, naevus atypique et mélanome en utilisant une technique de multi-classification rapide et précise. Ce travail propose un modèle directionnel local de couleur (CLDP) pour l'extraction de caractéristiques. Ce descripteur combine les caractéristiques vitales pour le mélanome cutané comme la couleur, la texture et la forme en un seul vecteur et utilise l'algorithme de Dull-Razor pour l'épilation dans l'étape de prétraitement. Le modèle proposé utilise le moteur d'apprentissage extrême (ELM) pour une multi-classification plus rapide et plus précise que la machine à vecteurs de support (SVM). Une précision de classification de 95,23 % est obtenue sur le jeu de données PH2.

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.

Klappentext

L'objectif principal de l'utilisation de l'intelligence informatique est de classer les images de cancer de la peau en trois classes : naevus commun, naevus atypique et mélanome en utilisant une technique de multi-classification rapide et précise. Ce travail propose un modèle directionnel local de couleur (CLDP) pour l'extraction de caractéristiques. Ce descripteur combine les caractéristiques vitales pour le mélanome cutané comme la couleur, la texture et la forme en un seul vecteur et utilise l'algorithme de Dull-Razor pour l'épilation dans l'étape de prétraitement. Le modèle proposé utilise le moteur d'apprentissage extrême (ELM) pour une multi-classification plus rapide et plus précise que la machine à vecteurs de support (SVM). Une précision de classification de 95,23 % est obtenue sur le jeu de données PH2.