一种用于皮肤皮损诊断的深度学习方法及可解释 AI
计算机视觉与模式识别
2026-01-06 v1
摘要
皮肤癌是全球最常见且最危险的癌症类型之一，需要及时准确的诊断。本文描述了一种针对 HAM10000 数据集的人工智能多类皮肤皮损分类深度学习架构。该系统综合了高质量的数据平衡方法、大规模数据增强、混合化的 EfficientNetV2-L 框架（带通道注意力机制），以及三阶段渐进学习方法。此外，我们还使用可解释人工智能 (XAI) 技术，如 Grad-CAM 和显著性图，提出可理解的模型预测可视化表示。我们的策略在总体准确率达到 91.15%，宏平均 F1 为 85.45%，微平均 AUC 为 99.33%。该模型在所有七类皮损中均表现出高性能，其中对黑色素瘤和黑色素样瘤的具体表现尤为突出。除了提高诊断透明度之外，XAI 还帮助找出导致分类的视觉特征，从而增强了临床可信度。
引用
@article{arxiv.2601.00964,
title = {A Deep Learning Approach for Automated Skin Lesion Diagnosis with Explainable AI},
author = {Md. Maksudul Haque and Rahnuma Akter and A S M Ahsanul Sarkar Akib and Abdul Hasib},
journal= {arXiv preprint arXiv:2601.00964},
year = {2026}
}