Resiliencia al ruido en la segmentación de imágenes dermatoscópicas: comparación de arquitecturas de aprendizaje profundo para una precisión mejorada
Autores: Ergin, Fatih; Parlak, Ismail Burak; Adel, Mouloud; Gül, Ömer Melih; Karpouzis, Kostas
Idioma: Inglés
Editor: MDPI
Año: 2024
Acceso abierto
Artículo científico
2024
Resiliencia al ruido en la segmentación de imágenes dermatoscópicas: comparación de arquitecturas de aprendizaje profundo para una precisión mejorada
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería Eléctrica y Electrónica
Palabras clave
Enfermedades de la piel
Lesiones
Marcos de aprendizaje profundo
Segmentación dermoscópica
SegAN
MultiResUNet
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 34
Citaciones: Sin citaciones
En este estudio, comparamos tres marcos de aprendizaje profundo de vanguardia para la segmentación dermoscópica: U-Net, SegAN y MultiResUNet.
Descripción
En este estudio, comparamos tres marcos de aprendizaje profundo de vanguardia para la segmentación dermoscópica: U-Net, SegAN y MultiResUNet.