HAM10000_Multi_Modal_皮肤癌分类深度学习框架评估数据

数据集概述

本数据集基于HAM10000数据集，用于评估多模态深度学习框架在皮肤癌分类中的表现。该框架结合皮肤镜图像与临床元数据（年龄、性别、病变位置），通过CNN处理视觉特征、MLP编码元数据并融合特征，实现对黑色素瘤、良性病变、鳞状细胞癌（SCC）、基底细胞癌（BCC）的分类，整体准确率达93.4%。

文件详解

• 文件名称：Comparative Analysis.xlsx
• 文件格式：XLSX
• 字段映射介绍：包含多模态框架与单模态方法在皮肤癌分类任务中的性能对比数据，涉及准确率、F1分数、特异性、敏感性等关键指标，覆盖黑色素瘤、良性病变、SCC、BCC等类别。

数据来源

HAM10000数据集

适用场景

• 皮肤癌辅助诊断模型研究：评估多模态深度学习框架在皮肤癌分类中的准确性与鲁棒性。
• 医学影像与临床数据融合分析：探索皮肤镜图像与临床元数据结合对疾病分类的提升效果。
• 深度学习模型性能对比：对比单模态与多模态方法在皮肤癌检测中的关键参数差异。
• 医疗AI伦理研究：支撑皮肤癌检测准确性提升对患者护理及医疗决策的伦理意义分析。