机构名称：
¥ 1.0
早期发现黑色素瘤皮肤癌对于改善预后和挽救生命至关重要。这项研究旨在使用Adaboost算法优化黑色素瘤图像的分类。采用10,000张黑色素瘤图像的数据集，研究结合了用于图像分割的精美方法，用于特征提取的HU矩和用于分类的ADABOOST算法。5倍的交叉验证结果显示平均准确性为61.52％。虽然精度始终超过召回，表明该模型在预测积极病例时的保守性质。结果与先前的研究保持一致，强调了黑色素瘤分类的挑战。这项研究通过展示早期黑色素瘤检测中机器学习的潜力和改进领域为领域做出了贡献。未来的研究建议探索混合模型，并使数据源多样化，以增强鲁棒性和概括性。
使用Adaboost算法
主要关键词
相关文件推荐
