皮肤镜图像中自动黑色素瘤检测的计算机系统与排序标准比较
机器学习
2018-02-06 v1
摘要
黑色素瘤是最致命的皮肤癌形式。计算机系统可辅助黑色素瘤检测，但在临床实践中尚未普及。2016年，一项关于皮肤病变皮肤镜图像分类的开放挑战赛被宣布。包含相应类别标签和半自动/手动分割掩码的训练集900张图像被发布用于该挑战赛。由379张图像组成的独立测试集用于对参与者排序。本文展示了排序标准、分割方法和分类器的影响，并强调了临床视角。我们通过分析挑战赛中计算机系统所得排序，比较了五种用于诊断准确性的不同度量。性能度量的选择对排序影响很大。在某些度量下排名前三的系统，在更换性能度量后跌至后半段。作者先前开发的计算机系统Nevus Doctor被用于研究分割和分类器的影响。自动与半自动/手动分割之间出乎意料的小影响表明，改进自动分割方法以更接近半自动/手动分割并不会显著提高诊断准确性。使用一小组相似分类算法来研究分类器对诊断准确性的影响。不同分类器算法的诊断准确性差异大于分割方法的差异，这为未来研究指明了重点。从临床角度看，将黑色素瘤误分类为良性比将良性病变误分类代价大得多。为使计算机系统产生临床影响，其性能应依据高灵敏度度量来排序。
引用
@article{arxiv.1802.01301,
title = {Comparison of computer systems and ranking criteria for automatic melanoma detection in dermoscopic images},
author = {Kajsa Møllersen and Maciel Zortea and Thomas R. Schopf and Herbert Kirchesch and Fred Godtliebsen},
journal= {arXiv preprint arXiv:1802.01301},
year = {2018}
}