NHẬN DẠNG HÌNH ẢNH VỚI DỮ LIỆU MẤT CÂN BẰNG DỰA TRÊN HỌC SÂU

Tóm tắt

Ung thư da là vấn đề sức khỏe nghiêm trọng đối với xã hội và người bệnh sẽ dễ dàng phải đối mặt với những tình huống nguy hiểm nếu không được phát hiện sớm. Để góp phần giải quyết, nghiên cứu này được thực hiện hướng đến việc tự động phân loại ảnh tổn thương da. Các thử nghiệm được tiến hành trên bộ HAM10000 với 7 loại tổn thương khác nhau và có sự mất cân bằng đáng kể giữa các lớp. Theo đó, nghiên cứu của chúng tôi tập trung vào việc xử lý mất cân bằng dữ liệu, giúp tăng sự hiệu quả trong việc nhận dạng các lớp thiểu số nhưng vẫn cần đảm bảo hiệu năng trên các lớp đa số. Chúng tôi cũng tiến hành thử nghiệm có tính toàn diện và so sánh với ConvNeXtTiny, DenseNet 201, Inception-ResNet-v2, và MobileNet-v3 Small để thảo luận làm rõ giả thuyết. Nghiên cứu đã khẳng định ưu thế vượt trội của phương pháp đề xuất với độ chính xác cân bằng cao nhất là 0,7584 và độ chính xác trên toàn tập 0,8408 cho mô hình ConvNeXtTiny.