可穿戴设备皮肤癌诊断模型压缩引擎-计算机科学-机器学习-模型优化-模型压缩.pdfVIP

可穿戴设备皮肤癌诊断模型压缩引擎

stnd

1JacobM.Delgado-López2AndreaP.Seda-Hernandez

DepartmentofComputerScienceandEngineeringDepartmentofComputerScienceandEngineering

UniversityofPuertoRicoMayagüezUniversityofPuertoRicoMayagüez

Mayagüez,PuertoRicoMayagüez,PuertoRico

jacob.delgado@andrea.seda3@

rdth

3JuanD.Guadalupe-Rosado4LuisE.FernandezRamirez

DepartmentofComputerScienceandEngineeringDepartmentofComputerScienceandEngineering

UniversityofPuertoRicoMayagüezUniversityofPuertoRicoMayagüez

Mayagüez,PuertoRicoMayagüez,PuertoRico

juan.guadalupe@luis.fernandez20@

本

thth

译5MiguelGiboyeaux-Camilo6WilfredoE.Lugo-Beauchamp

中DepartmentofComputerScienceandEngineeringDepartmentofComputerScienceandEngineering

1UniversityofPuertoRicoMayagüezUniversityofPuertoRicoMayagüez

vMayagüez,PuertoRicoMayagüez,PuertoRico

5

2miguel.giboyeaux@wilfredo.lugo1@

1

7

1

.

7

0

5摘要—皮肤癌是最常见且可预防的癌症之一，但其早期检习，量化，机器学习，模型优化，模型压缩，tensorrt

2

:测仍然是一个挑战，特别是在资源匮乏地区，专业医疗服务稀

v

i缺。本研究提出了一种针对嵌入式系统优化的人工智能诊断工

x具，以解决这一问题。使用MobileNetV2架构进行迁移学习，I.介绍

r

a该模型被调整用于皮肤病变的二分类，“皮肤癌”和“其他”。采

用TensorRT框架压缩并优化了模型，在NVIDIAJetson皮肤癌是最常见且可预防的癌症类型之一，每年影

OrinNano上部署时平衡性能与能效。在多个基准测试中进行响全世界数百万人。[1]。根据最近的估计，仅在美国每

了全面评估，包括模型大小、推理速度、吞吐量和能耗。经过优年就有超过500万的新病例被诊断出。[2]。早期发现对

化的模型保持了其性能，实现了87.18%的F1-Score，准确率