视觉偏见与深度学习在皮肤影像分析中的可解释性.pdfVIP

视觉偏见与深度学习在皮肤影像分析中的可

解释性

EnamAhmedTaufik,AbdullahKhondoker,AntaraFirozParsa,SerajAlMahmudMostafa

DepartmentofComputerScienceandEngineering,EuropeanUniversityofBangladesh,Dhaka,Bangladesh

DepartmentofComputerScienceandEngineering,BRACUniversity,Dhaka,Bangladesh

DepartmentofInformationSystems,UniversityofMaryland,BaltimoreCounty,Baltimore,MD,USA

taufik@.bd,ext.abdullah@bracu.ac.bd,antara.firuz.parsa@g.bracu.ac.bd,serajmostafa@

摘要—准确的皮肤病分类是一项关键但具有挑战性的任务，工特征（例如，SVMs、随机森林）难以处理高维图像

因为存在类间相似性高、类内变异性大以及复杂的病灶纹理等问数据[8]。深度学习，特别是卷积神经网络（CNN），通

本题。虽然基于深度学习的计算机辅助诊断（CAD）系统在自动过从图像中学习分层特征表现出优越性能[9]。最近，

化皮肤科评估方面显示出潜力，但它们的表现高度依赖于图像预

译视觉变压器（ViTs）展示了强大的分类能力，能够捕捉

处理和模型架构。本研究提出了一种用于多类别皮肤病分类的深

中度学习框架，并系统地评估了三种图像预处理技术：标准RGB、长距离依赖关系[10]。结合CNN、变换器和注意力机

1CMY颜色空间转换以及受限自适应直方图均衡（CLAHE）。制的混合模型进一步提升了复杂多类别设置下的特征

v

3我们使用准确率和F1分数作为评价指标，对比了预先训练的卷表示效果[11],[12]。然而，它们的成功仍然依赖于有

7积神经网络（DenseNet201,EfficientNetB5）和基于变压器效的预处理、数据增强和可解释性策略。

5模型（ViT,SwinTransformer,DinoV2Large）的表现。

4在这项研究中，我们提出了一种基于深度学习的多

0结果显示，采用RGB预处理的DinoV2在所有变体中达到了

8.最高的准确率（高达93%）和F1分数。应用于RGB输入的类皮肤疾病分类框架，并对不同的图像预处理技术及模

0Grad-CAM可视化进一步揭示了精确的病灶定位，增强了可解型架构如何影响性能和可解释性进行了全面分析。我们

5

2释性。这些发现强调了有效预处理和模型选择在构建稳健且可解调查了三种预处理策略：(i)标准RGB图像，(ii)CMY

:释的皮肤病CAD系统中的重要性。颜色空间转换，以及(iii)对比度受限自适应直方图均衡

v

iIndexTerms—图像预处理，计算机辅助诊断，CAD，模化（CLAHE）。这些评估使用两类模型架构进行：基于

x

r型可解释性，CLAHE，视觉变压器，DINOv2，迁移学习，

a预训练CNN的迁移学习模型和基于变换器的模型。我

CMY，RGB。

们的实验揭示了预处理策略对分类准确率有显著影响，

I.介绍CLAHE增强图像在所有架构中始终提高了