基于自定义深度可学习层与可解释人工智能（XAI）的紫色帷幕检测与皮肤瘤分类
计算机视觉与模式识别
2025-07-11 v1 人工智能
摘要
黑色素瘤是全球致死最高的皮肤癌类型之一，造成数千人死亡。紫色、蓝白色或蓝白色帷幕（BWV）是诊断黑色素瘤的关键特征，然而针对皮肤皮肤图像中BWV检测的研究仍有限。本研究利用非标注的皮肤皮肤数据集，该数据集通过基于皮肤皮肤块和颜色调色板的颜色阈值技术开发的成像算法转换为已标注数据集。设计并训练了一个深度卷积神经网络（DCNN），分别在三个单独和组合的皮肤数据集上使用自定义层而非标准激活函数层。该模型开发用于根据BWV的存在对皮肤皮肤进行分类。该提出的DCNN在不同数据集上表现出优于传统BWV检测模型的优越性能。该模型在增强的PH2数据集上实现了85.71%的测试准确率，在增强的ISIC存档数据集上实现了95.00%的准确率，在组合增强（PH2+ISIC存档）数据集上实现了95.05%的准确率，并在Derm7pt数据集上实现了90.00%的准确率。随后应用可解释人工智能（XAI）算法来解释DCNN关于BWV检测的决策过程。该方法结合XAI显著改进了皮肤皮肤中BWV的检测，超越了现有模型，为早期黑色素瘤诊断提供了一个强大的工具。
引用
@article{arxiv.2507.07453,
title = {Bluish Veil Detection and Lesion Classification using Custom Deep Learnable Layers with Explainable Artificial Intelligence (XAI)},
author = {M. A. Rasel and Sameem Abdul Kareem and Zhenli Kwan and Shin Shen Yong and Unaizah Obaidellah},
journal= {arXiv preprint arXiv:2507.07453},
year = {2025}
}
备注
Accepted version. Published in Computers in Biology and Medicine, 14 June 2024. DOI: 10.1016/j.compbiomed.2024.108758