Rishikesh Chauhan / Shalini Yadav
Hautkrebs ist nach wie vor eine der am weitesten verbreiteten Krebsarten weltweit, und seine frühzeitige Erkennung spielt eine entscheidende Rolle für eine wirksame Behandlung. Herkömmliche Diagnosemethoden hängen jedoch stark vom Fachwissen von Dermatologen ab, was den Prozess langsam und kostspielig machen kann. In diesem Projekt wird ein automatisierter Ansatz zur Erkennung von Hautkrebs mit einer Kombination aus Deep Learning und maschinellen Lernverfahren vorgestellt, der eine frühzeitige und effiziente Diagnose unterstützen soll. Um die Genauigkeit und Zuverlässigkeit zu verbessern, wurden mehrere Vorverarbeitungsschritte durchgeführt, darunter Bildvergrößerung, Normalisierung und Klassenausgleich. Das Modell wurde durch Transfer-Lernen mit vortrainierten ImageNet-Gewichten weiter verbessert, so dass es auch bei begrenzten Daten gute Leistungen erbringen kann.
