基于深度神经网络的皮肤科医生级皮肤癌分类

基于深度神经网络的皮肤科医生级皮肤癌分类(中文3000字,英文PDF)
摘要：
皮肤癌，人类最常见的恶性肿瘤，主要是视觉诊断，从最初的临床筛查和随访分析潜在的皮肤镜、活检和组织病理学检查。使用图像对皮肤病变进行自动分类是一项具有挑战性的任务，因为皮肤病变外观的细微变化。深度卷积神经网络（CNN）显示了许多细粒度物体类别的一般和高度可变任务的潜力。在这里，我们使用单个CNN证明皮肤损伤的分类，直接从图像端对端训练，仅使用像素和疾病标签作为输入。我们使用129,450张临床图像的数据集对CNN进行训练，比以前的由2,032种不同的疾病组成的数据集大两个数量级。我们通过21位经过董事会认证的皮肤科医师对经过活检证实的临床图像与两种关键二元分类用例进行了测试：角质形成细胞癌与良性脂溢性角化病；恶性黑素瘤与良性痣。第一个病例代表最常见的癌症的鉴定，第二个代表鉴定最致命的皮肤癌。CNN在这两项任务中的表现都达到了专家同样水平，表明人工智能皮肤癌的分类水平能与皮肤科医生相媲美。配备深度神经网络，移动设备可能会扩大皮肤科医师在诊所之外的认知范围。预计到2021年（参考文献13）将有63亿智能手机用户订购，因此可能提供低成本的全面的重要的诊断护理服务。