原创力文档摘要
摘要
近年来，皮肤病的患病率逐步上升，及时、准确的诊断对治疗皮肤病至关重要。深度
学习的发展，提高了皮肤病的分类性能，但皮肤病图像存在的特征提取不充分，类别不均
衡、标记样本稀缺及模型偏置问题，使传统学习方法难以适配临床应用场景，模型的泛化
能力和分类可靠性受到限制。为此，本文聚焦皮肤病分类任务中的重难点，探索半监督学
习分类方法，借助深度学习特征拟合与表征能力，实现基于RGB皮肤病变图像的高效分
类。本文的主要研究内容
摘要
摘要
近年来，皮肤病的患病率逐步上升，及时、准确的诊断对治疗皮肤病至关重要。深度
学习的发展，提高了皮肤病的分类性能，但皮肤病图像存在的特征提取不充分，类别不均
衡、标记样本稀缺及模型偏置问题，使传统学习方法难以适配临床应用场景，模型的泛化
能力和分类可靠性受到限制。为此，本文聚焦皮肤病分类任务中的重难点，探索半监督学
习分类方法，借助深度学习特征拟合与表征能力，实现基于RGB皮肤病变图像的高效分
类。本文的主要研究内容
文档评论（0）