Classification of Skin Lesions using PyQt5 and Deep Learning Methods

Dina Koishiyeva, Alibek Bissembayev, Teodor B Iliev, Jeong Won Kang, Assel Mukasheva

2024

Закрытый доступ Метаданные (CSL-JSON)
DOI 10.1109/ciees62939.2024.10811274
Достоверность данных 70 средняя
Как считается эта оценка

Складывается из проверяемых признаков самой записи: есть ли у статьи DOI, сколько независимых источников подтвердили её данные, заполнены ли обязательные поля и насколько свежо последнее подтверждение. Снижают оценку расхождения между источниками и отсутствие идентификатора. Значение от 80 означает, что запись опубликована без дополнительной проверки; от 60 до 79 — что она опубликована с пониженной достоверностью и ручная проверка желательна. Запись, выверенную редактором вручную, пересчёт не опускает ниже 90. Это оценка наших данных о статье, а не оценка самой статьи.

Аннотация

This study presents the OncoScan system designed to assist dermatologists in classifying skin diseases using an improved DenseNet121 model. The system was tested on the large HAM10000 dataset of over 10,000 images of skin lesions in seven categories. The DenseNet121 model, characterized by dense connectivity and transient layers, was compared with the InceptionV3 and EfficientNetB7 models. The results demonstrated the superiority of the DenseNet121 model, with an accuracy of 86.04% and an AUC of 96.32%. The OncoScan interface, developed using PyQt5, supports multilingual functionality including English, Russian, and Kazakh, and offers image processing tools. The system's ability to handle image processing and classification with ease makes it a valuable asset for dermatologic diagnostics.