AI 超越每一位皮肤科医生：通过优化深度 CNN 架构中定制批处理逻辑与损失函数改进皮肤镜黑色素瘤诊断
计算机视觉与模式识别
2020-08-31 v2 机器学习
图像与视频处理
摘要
黑色素瘤是最危险的皮肤癌之一，导致极高的死亡率。早期检测与切除是成功治愈的两个关键点。近期研究已使用人工智能对黑色素瘤与痣进行分类，并将这些算法的评估与皮肤科医生进行比较。然而，敏感度与特异度度量的不平衡影响了现有模型的性能。本研究提出一种使用深度卷积神经网络的方法，旨在将黑色素瘤检测作为二分类问题。其包含 3 个关键特征，即定制批处理逻辑、定制损失函数与改良全连接层。训练数据集保持最新，包含 17,302 张黑色素瘤与痣图像；这是迄今为止最大的数据集。基于 MClass-D 数据集，将模型性能与来自德国 12 家大学医院的 157 名皮肤科医生进行比较。该模型超越了所有 157 名皮肤科医生，并在 MClass-D 数据集的 100 张皮肤镜图像上以 0.5 的预测阈值取得灵敏度 85.0%、特异度 95.0%、AUC 94.4% 的 SOTA 性能。此外，阈值 0.40858 显示出相较于其他研究最均衡的度量，并有希望应用于医学诊断，其灵敏度为 90.0%、特异度为 93.8%。
引用
@article{arxiv.2003.02597,
title = {AI outperformed every dermatologist: Improved dermoscopic melanoma diagnosis through customizing batch logic and loss function in an optimized Deep CNN architecture},
author = {Cong Tri Pham and Mai Chi Luong and Dung Van Hoang and Antoine Doucet},
journal= {arXiv preprint arXiv:2003.02597},
year = {2020}
}
备注
We are submitting the article in the journal and waiting for the review result, so we want to temporarily delete the article. When the article is officially accepted, it will be resubmitted