基于FL-ResNet50的皮肤镜图像分类方法

提出一种采用深度卷积神经网络模型对七类病变皮肤镜图像进行分类的方法。使用数据增强方法扩增训练集,提出一种基于ResNet50模型和多分类Focal Loss函数的多分类模型(FL-ResNet50模型),实现皮肤镜图像的多分类。实验结果表明,FL-ResNet50模型的微平均F1值为0.88,优于传统的ResNet50模型。所提方法实现了对七类皮肤镜图像的分类,将图像预处理、特征提取及预测模型学习形成一个完整连续的系统模型,提高了分类性能和效率,具有重要的应用价值。