一种受临床启发的黑色素瘤分类方法
计算机视觉与模式识别
2021-06-16 v1 人工智能
机器学习
摘要
黑色素瘤是皮肤癌致死的主要病因，因此早期有效诊断黑色素瘤备受关注。当前黑色素瘤自动诊断方法或使用模式识别，或使用如 ABCDE（不对称、边界、颜色、直径及演变）标准等分析识别。然而实践中常采用差异法，即检测离群点（丑小鸭）并用于评估痣/皮损。在计算机辅助诊断（CAD）系统中引入差异识别尚未被探索，但可能有益，因其可为所得决策提供临床依据。我们提出一种通过对邻近痣进行患者内比较分析（IPCA）来识别与量化丑小鸭的方法，并将其纳入用于黑色素瘤检测的 CAD 系统设计中。该设计可灵活处理无法进行 IPCA 的情况。我们在公开数据集上的实验表明，离群点信息可将检测灵敏度提升至少 4.1%，特异度提升 4.0% 至 8.9%，具体取决于使用强（EfficientNet）或中等强（VGG 或 ResNet）分类器。
引用
@article{arxiv.2106.08021,
title = {A Clinically Inspired Approach for Melanoma classification},
author = {Prathyusha Akundi and Soumyasis Gun and Jayanthi Sivaswamy},
journal= {arXiv preprint arXiv:2106.08021},
year = {2021}
}
备注
5 pages, 3 figures, 1 table