一种用于皮肤病变初步评估的机器视觉方法
图像与视频处理
2026-01-23 v1 人工智能
计算机视觉与模式识别
机器学习
摘要
恶性皮肤病变的早期检测对于改善侵袭性、转移性皮肤癌患者的预后至关重要。本研究评估了一个用于皮肤病变初步评估的综合系统，该系统将临床确立的皮肤镜 ABCD 规则（分析不对称性、边缘、颜色和皮肤镜结构）与机器学习分类相结合。使用 HAM10000 数据集的 1,000 张图像子集，该系统实现了一个自动化的、基于规则的流程，为每个病变计算总皮肤镜评分（TDS）。我们将这种手工设计的方法与各种机器学习解决方案进行了比较，包括传统分类器（逻辑回归、随机森林和 SVM）以及深度学习模型。虽然基于规则的系统提供了很高的临床可解释性，但结果表明，在将复杂的形态学简化为五个数值特征时存在性能瓶颈。实验结果表明，使用 EfficientNet-B0 的迁移学习由于自然图像与医学图像之间的领域偏移而显著失败。相比之下，从头训练的定制三层卷积神经网络（CNN）在中值滤波图像上达到了 78.5% 的准确率和 86.5% 的召回率，比传统方法的准确率提高了 19 个百分点。结果表明，直接的像素级学习能够捕捉超越手工设计特征的诊断模式，且针对特定目的构建的轻量级架构在小型、特定领域的医学数据集上可以优于大型预训练模型。
引用
@article{arxiv.2601.15539,
title = {A Machine Vision Approach to Preliminary Skin Lesion Assessments},
author = {Ali Khreis and Ro'Yah Radaideh and Quinn McGill},
journal= {arXiv preprint arXiv:2601.15539},
year = {2026}
}
备注
6 pages, 2 figures, 2 tables