Wyszukiwanie zaawansowane ?

Obiekt

Enhancing multi-class prediction of skin lesions with feature importance assessment
Pobierz

Tytuł: Enhancing multi-class prediction of skin lesions with feature importance assessment

Autor:

Paulauskaite-Taraseviciene, Agne ; Sutiene, Kristina ; Dimsa, Nojus ; Valiukeviciene, Skaidra

Data wydania:

2024

Typ zasobu:

artykuł

Współtwórca:

Woźniak, Marcin - ed. ; Kumar, Yogesh - ed. ; Ijaz, Muhammad Fazal - ed.

Podtytuł:

.

Tytuł publikacji grupowej:

AMCS, volume 34 (2024)

Abstract:

Numerous image processing techniques have been developed for the identification of various types of skin lesions. In real-world scenarios, the specific lesion type is often unknown in advance, leading to a multi-class prediction challenge. The available evidence underscores the importance of employing a comprehensive array of diverse features and subsequently identifying the most important ones as a crucial step in visual diagnostics. For this purpose, we addressed both binary and five-class classification tasks using a small dataset, with skin lesions prevalent in Lithuania. The model was trained using a rich set of 662 features, encompassing both conventional image features and graph-based ones, which were obtained from the superpixel graph generated using Delaunay triangulation. We explored the influence of feature importance determined by SHAP values, resulting in a weighted F1-score of 92.48% for the two-class classification and 71.21% for the five-class prediction.

Wydawca:

Zielona Góra: Uniwersytet Zielonogórski

Identyfikator zasobu:

oai:zbc.uz.zgora.pl:87179

DOI:

10.61822/amcs-2024-0041

Strony:

617-629

Źródło:

AMCS, volume 34, number 4 (2024) ; kliknij tutaj, żeby przejść

Jezyk:

eng

Licencja CC BY 4.0:

kliknij tutaj, żeby przejść

Prawa do dysponowania publikacją:

Biblioteka Uniwersytetu Zielonogórskiego

Temat i słowa kluczowe:

skin lesion feature extraction graph theory multi-class prediction SHAP values

Kolekcje, do których przypisany jest obiekt:

Data ostatniej modyfikacji:

5 sie 2025

Data dodania obiektu:

5 sie 2025

Liczba wyświetleń treści obiektu:

12

Wszystkie dostępne wersje tego obiektu:

https://zbc.uz.zgora.pl/repozytorium/publication/101891

Wyświetl opis w formacie RDF:

RDF

Wyświetl opis w formacie OAI-PMH:

OAI-PMH

Nazwa wydania Data
Enhancing multi-class prediction of skin lesions with feature importance assessment 5 sie 2025

Obiekty Podobne

AMCS, Volume 27 (2017)
AMCS, Volume 27 (2017)
On the predictive power of meta-features in OpenML

Bilalli, Besim Abelló, Alberto Aluja-Banet, Tomas Stefanowski, Jerzy - ed. Krawiec, Krzysztof - ed. Wrembel, Robert - ed.

2017
artykuł
AMCS, Volume 15 (2005)
AMCS, Volume 15 (2005)
Image retrieval based on hierarchical gabor filters

Andrysiak, Tomasz Choraś, Michał Beliczyński, Bartłomiej - red.

2005
artykuł
AMCS, Volume 24 (2014)
AMCS, Volume 24 (2014)
A simultaneous localization and tracking method for a worm tracking system

Kowalski, Mateusz Kaczmarek, Piotr Kabaciński, Rafał Matuszczak, Mieszko Tranbowicz, Kamil Sobkowiak, Robert Abaev, Pavel - ed. Razumchik, Rostislav - ed. Kołodziej, Joanna - ed.

2014
artykuł
AMCS, volume 34 (2024)
AMCS, volume 34 (2024)
A review of shockable arrhythmia detection of ECG signals using machine and deep learning techniques

Kavya, Lakkakula Karuna, Yepuganti Saritha, Saladi Prakash, Allam Jaya Patro, Kiran Kumar Sahoo, Suraj Prakash Tadeusiewicz, Ryszard (1947- ) Pławiak, Paweł Korbicz, Józef (1951- ) - red. Uciński, Dariusz - red.

2024
artykuł
AMCS, volume 28 (2018)
AMCS, volume 28 (2018)
Clustering based on eigenvectors of the adjacency matrix

Lucińska, Małgorzata Wierzchoń, Sławomir T. Korbicz, Józef (1951- ) - red. Uciński, Dariusz - red.

2018
artykuł
Więcej
×

Cytowanie

Styl cytowania:

Dane kontaktowe

Adres

Biblioteka Uniwersytetu Zielonogórskiego
al. Wojska Polskiego 71
65-762 Zielona Góra

Telefon

(+48) 68 328 21 55

E-Mail

repozytorium@uz.zgora.pl

Odwiedź nas!

Ta strona wykorzystuje pliki 'cookies'. Więcej informacji