提高色素性皮肤病损诊断精度的卷积神经网络案例研究：DermaMNIST 数据集分析-计算机科学-图像分类-卷积神经网络-人工智能.pdfVIP

提高色素性皮肤病损诊断精度的卷积神经网络案例研

究：DermaMNIST数据集分析

NermaKadric,AmilaAkagic,andMedinaKapo

FacultyofElectricalEngineering,UniversityofSarajevo,

ComputerScienceandInformatics

71000Sarajevo,BosniaandHerzegovina

{nkadric1,aakagic,mkapo2}@etf.unsa.ba

本摘要色素性皮肤病变代表黑色素增多的局部区域，可能表明严重的状况如

译黑素瘤，这是导致皮肤癌死亡的主要原因之一。受MNIST启发的MedM-

中NISTv2数据集最近被引入以推进生物医学成像研究，并包括DermaM-

1NIST，这是一个基于HAM10000数据集用于分类色素性病变的数据集。

v本研究评估了使用DermaMNIST进行多类分类时ResNet-50和Efficient-

1NetV2L模型的表现，采用迁移学习和不同的层配置。一种配置实现了与

6

9现有方法相匹配或超过的结果。本研究表明卷积神经网络（CNN）可以推

2动生物医学图像分析的进步，显著提高诊断准确性。

1

.

7

0Keywords:图像分类，卷积神经网络，人工智能

5

2

:

v1介绍

i

x

r色素性皮肤病是一种常见的皮肤科发现，患者通常通过自我检查来识别

a

这些病变。这些病变表现为局部黑色素沉积增加的区域，导致出现比周围皮

肤颜色更深的斑点或斑块。虽然有不同类型的皮肤病，但特别关注的是肿

瘤，其中黑色素瘤是最常见的肿瘤形式，占全球死亡率的高比例。

皮肤变化由多种因素引起，包括感染、过敏、自身免疫疾病、创伤、遗传、

激素波动和日晒。在美国及全球范围内，皮肤癌的发病率和死亡率正在上

升[1]。皮肤癌的主要类型包括黑色素瘤、基底细胞癌（BCC）和鳞状细胞癌

（SCC）。像光化性角化病和鲍温病这样的癌前病变也需要关注[2],[3],[4]。

光化性角化病[5],[6],[7]是由于长期日晒引起的癌前病变，而原位癌和基

底细胞癌代表了皮肤癌的不同形式，其中基底细胞癌通常出现在阳光暴露的

皮肤区域。良性病变如皮纤维瘤通常不危险，但可能会引起美观上的不适或

2NermaKadricetal.

刺激。另一方面，黑色素瘤是一种严重的皮肤癌类型，可以出现在身体的任

何部位，并需要及时诊断和积极治疗。色素痣是常见的病变，即良性的痣，

其大小、形状和颜色各异，而血管性病变更包括多种情况如血管瘤、毛细血

管扩张症和血管畸形。

最近，一个新的数据集集合MedMNISTv2被发布[8]。该数据集的目

的是支持生物医学成像领域广泛的研究和教育计划。作者们从广泛用于计算

机视觉研究早期阶段的基础资源——MNIST数据集中获得了创建此数据集

的动力。MedMNISTv2包含12个二维影像数据集和6个三维影像数据集。

其中，DermaMNIST数据集