[논문 리뷰] Image Classification of Melanoma, Nevus and Seborrheic Keratosis by Deep Neural Network Ensemble

Kazuhisa Matsunaga, Akira Hamada외 2명|arXiv (Cornell University)|2017. 03. 09.

Cutaneous Melanoma Detection and Management참고 문헌 5인용 수 133

한 줄 요약

저자들은 ISBI/ISIC 2017 병변 분류를 위해 심층 신경망 앙상블을 사용하여 멜라노마 AUC 0.924 및 지루성 각화증 AUC 0.993, 온라인 검증 점수 0.958를 달성했다.

ABSTRACT

This short paper reports the method and the evaluation results of Casio and Shinshu University joint team for the ISBI Challenge 2017 - Skin Lesion Analysis Towards Melanoma Detection - Part 3: Lesion Classification hosted by ISIC. Our online validation score was 0.958 with melanoma classifier AUC 0.924 and seborrheic keratosis classifier AUC 0.993.

연구 동기 및 목표

• ISIC/ISBI 도전에서 피부 병변(멜라노마, 모반, 지루성 각화증) 자동 분류 개선 동기 부여.
• 정확도 향상을 위해 병변 분류에 심층 신경망 앙상블 적용.
• ISIC 2017 데이터 및 온라인 검증 성능에 대한 평가 결과를 보고.

제안 방법

• 피부 병변 분류를 위해 여러 개의 심층 신경망을 학습하고 앙상블화.
• ISIC 2017 ISBI Challenge 데이터(Part 3: Lesion Classification)에서 평가.
• 개별 클래스(멜라노마, 지루성 각화증)에 대한 AUC 지표로 온라인 검증 성능 보고.

실험 결과

연구 질문

• RQ1 심층 신경망 앙상블이 단일 모델에 비해 멜라노마, 모반, 지루성 각화증 간 분류를 개선하는가?
• RQ2 ISIC 2017 데이터에서 앙상블의 온라인 검증 성능(점수 및 클래스별 AUC)은 어떠한가?
• RQ3 앙상블 프레임워크 내에서 멜라노마 AUC와 지루성 각화증 AUC의 차이는 어떠한가?

주요 결과

• 온라인 검증 점수: 0.958.
• 멜라노마 분류기 AUC: 0.924.
• 지루성 각화증 분류기 AUC: 0.993.