CutisAI：面向皮肤科与癌症筛查的深度学习框架
机器学习
2026-01-07 v1 图像与视频处理
摘要
皮肤成像和移动诊断工具的快速增长迫切需要能够不仅展示经验性能，还能提供强有力理论保证的系统。尽管深度学习模型显示出高预测准确率，但常被批评缺乏经过良好校准的不确定性估计，而没有这些估计，这些模型几乎无法在临床环境中部署。为此，我们提出了共轭贝叶斯皮肤分类器 (CBDC)，一个建立在统计学习理论、拓扑数据分析 (TDA) 和贝叶斯共轭推断之上的框架。CBDC 提供反映皮肤学变异性的分布依赖一般化界限，证明了一种拓扑稳定性定理，保证在光谱和形态扰动下卷积神经网络嵌入的不变性，并为可靠的不确定性定量化提供有限共轭覆盖保证。通过在 HAM10000、PH2 和 ISIC 2020 数据集上的详尽实验，我们展示 CBDC 不仅在分类准确率方面取得佳绩，还生成从临床角度可解释的校准预测。该研究代表了深度皮肤诊断的理论与实际跃迁，为机器学习理论与临床可应用性之间的接口开辟了道路。
引用
@article{arxiv.2601.02562,
title = {CutisAI: Deep Learning Framework for Automated Dermatology and Cancer Screening},
author = {Rohit Kaushik and Eva Kaushik},
journal= {arXiv preprint arXiv:2601.02562},
year = {2026}
}
备注
10 pages, 3 figures