深度CNN布局。我们的分类技术是深度CNN。数据流从左到右:使用在ImageNet数据集上预训练的Google Inception v3 CNN架构,将皮肤病变(例如黑色素瘤)的图像顺序扭曲为皮肤病临床类别的概率分布(1000个通用对象类别上的128万张图像)并在我们自己的129450个皮肤病变数据集上进行了微调,该数据集包括2032种不同的疾病。757个培训班是使用一种新的皮肤病分类法和一种将疾病映射到培训班的划分算法来定义的(例如,肢端角化黑色素瘤、无色素黑色素瘤和雀斑黑色素瘤)。推理课程更为一般,由一个或多个培训课程组成(例如,恶性黑色素细胞病变-黑色素瘤类)。推理类的概率是通过根据分类结构求训练类的概率之和来计算的(参见方法). Inception v3 CNN架构转载自https://research.googleblog.com/2016/03/train-your-own-image-classifier-with.html