【报告内容】

汇报人：李蒙恩

汇报单位：太原理工大学

主题：《Automatically Diagnosing Skin Cancers From Multimodality Images Using Two-Stage Genetic Programming》

1、Introduction

2、Method

3、Experiment

4、Conclusion

【报告总结】

1.待解决的问题描述

现有的方法已经利用遗传算法从完整的原始特征集和算子集构造新特征。然而，完整的特征集可能包含冗余的或不相关的特征，这些特征不提供用于分类的有用信息。

2.相关创新方案

（1）本文设计了一种新的两阶段GP方法用于皮肤癌图像检测中的特征选择和构造，与现有的方法相比，该方法具有更好的分类性能。

（2）与现有的既包含颜色特征又包含纹理特征的方法不同，该方法包括基于纹理、颜色和频率的特征，以提高分类性能。该方法在两个来自不同光学设备的真实皮肤图像数据集上取得了比四种最先进的皮肤癌分类方法和六种广泛使用的机器学习分类算法更好的性能。

（3）该方法只需要很少的训练时间，并且可以在几分之一秒内预测测试图像的类别标签，这对于皮肤癌检测等实际问题是有效的。

3.实验总结

本文提出了一种新的基于包装器的两阶段GP方法用于皮肤癌图像的分类。该方法综合了颜色和纹理信息，有效地区分了不同类别的图像。利用LBP和金字塔结构小波分解从皮肤病变图像的不同颜色通道中提取特征。这些与区域无关的特征具有足够的基于局部像素的RGB和全局颜色变化信息，有助于在没有专家干预的情况下获得良好的效果。

4.未来工作

虽然该方法为皮肤癌图像分类这一复杂的问题提供了有效的解决方案，但也存在一些局限性，有待于进一步解决。该方法没有使用任何领域知识，但GP也具有包含领域知识的能力。这将在未来进行探索，以可能通过使用独立于领域的知识和特定于领域的知识来提高性能。目前的方法是专门为皮肤癌图像分类设计的。对于医学图像分类任务中的领域泛化方法，可以做进一步的工作。现实世界的图像往往带有大量的噪声，这阻碍了准确的图像分类。我们将改进拟议的方法来处理这些问题。

报告时间：2026年02月06日19:30

腾讯会议：311-5999-8176

点我下载本讨论课相关文献或PPT吧~(提取码：iipr)