一种用于智能手机图像检测 mpox 的迁移学习与可解释方案

近几个月来，猴痘（mpox）病毒——此前仅在世界有限地区地方性流行——已开始在多国传播，直至被世界卫生组织宣布为“国际关注的突发公共卫生事件”。由于该病毒在多个国家持续高发以及可能对新暴发疫情的担忧，该警报于2023年2月被更新。疫苗与检测供应基础设施不足的低收入国家尤其面临风险。mpox 感染的一种症状是出现皮肤皮疹与 eruptions，这会促使人们寻求医疗建议。一项可能基于皮肤病变外观进行初步筛查的技术是使用机器学习进行图像分类。然而，要使该技术在大规模上适用，应可直接在人们的移动设备上使用，并可将结果通知远程医疗专家。在这项工作中，我们研究了采用深度学习从皮肤病变图像中检测 mpox。该方案利用迁移学习来应对 mpox 图像数据集稀缺的问题。作为第一步，通过手动筛选与预处理可用图像数据，构建了一个同质、无污染的公开数据集，并将向该领域研究人员公开。随后，基于10折分层交叉验证，对若干卷积神经网络进行了详尽比较。然后将最佳模型通过量化进行优化以用于移动设备；分类质量、内存占用与处理时间的度量验证了我们方案的可行性。此外，还研究了可解释 AI（XAI）作为从技术与临床两方面验证分类结果的合适工具。