Comparative Analysis of Deep Learning Models for Early Skin Cancer Detection Using 3D Total Body Photography
Rattachement africain : in. Niveau de preuve : code pays fourni par la source.
Le résumé fourni par la source
Skin cancer presents a significant public health challenge, with early detection being crucial in mitigating its life-threatening implications. This study explores the application of deep learning models for early skin cancer detection using 3D Total Body Photography (TBP) images from the ISIC dataset. The dataset includes single-lesion crops from a large and diverse population, enabling comprehensive algorithm training. The study evaluates four models: EfficientNet-B0, CNN, ResNet50, and Inception V3. Among these, EfficientNet-B0 achieved the highest accuracy of 98%, underscoring the importance of model selection in skin cancer diagnostics. The results emphasize the potential of deep learning models in aiding early detection and reducing mortality from skin cancer.
Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.
Le contrôle bibliographique ouvert
DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.
- Titre Crossref
- Comparative Analysis of Deep Learning Models for Early Skin Cancer Detection Using 3D Total Body Photography
- Date Crossref
- 15/10/2024
- Éditeur
- IEEE
- Type
- proceedings-article
Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.
Les institutions déclarées
Une affiliation ne permet pas de déduire la nationalité d’un auteur.