用于高光谱皮肤癌图像分类的微型机器学习技术

《Knowledge-Based Systems》：Tiny Machine Learning for Hyperspectral Skin Cancer Image Classification

　　

Bernardo Petracchi

摘要

随着机器学习模型复杂度的不断提升，对高性能、大内存设备的需求也日益迫切。此外，在医疗等领域，常常需要处理诸如临床图像之类的高维数据，如果没有合适的硬件，很难利用机器学习模型对这些数据进行分析和处理。例如，高光谱图像就包含了丰富的光谱信息，有助于疾病的早期检测和特征分析。现有许多研究探讨了在医疗和非医疗领域中使用图形处理器和现场可编程门阵列来处理和分类高光谱图像，虽然取得了不错的效果，但代价是较高的能耗以及较长的设计时间。本文旨在介绍一种新兴的机器学习分支——微型机器学习，它涉及能够在极低功耗设备上执行数据分析的硬件和软件，这类设备的功率通常在毫瓦级或更低。同时，本文还旨在展示如何将人工神经网络等复杂模型部署在Arduino Nano 33 BLE这类便携式设备上，以实现皮肤病变的低成本高光谱初步筛查。实验结果证明了这一人工智能新分支在分类高光谱皮肤癌图像方面的有效性。