基于可解释人工智能的深度学习与视觉Transformer驱动的人类猴痘检测：综合分析
计算机视觉与模式识别
2025-05-06 v1
摘要
猴痘（mpox）是一种可在人与人之间传播的人畜共患病毒性疾病，构成了重大的公共卫生问题。由于其症状与麻疹和水痘非常相似，早期临床诊断十分困难。结合深度学习的医学影像技术通过分析受影响的皮肤区域，在改善疾病检测方面显示出潜力。我们的研究探索了利用公开可用的皮肤病变图像数据集从头训练深度学习和基于视觉Transformer的模型的可行性。实验结果表明，数据集限制是从头训练更好分类器模型的主要障碍。我们利用预训练模型进行迁移学习以获得更好的分类器。MobileNet-v2 以 93.15% 的准确率和 93.09% 的加权平均 F1 分数，优于其他最先进的预训练模型。ViT B16 和 ResNet-50 也取得了令人满意的性能，准确率分别为 92.12% 和 86.21%，与现有研究相比表现良好。为了进一步验证模型性能，我们应用了可解释人工智能技术。
引用
@article{arxiv.2505.01429,
title = {Explainable AI-Driven Detection of Human Monkeypox Using Deep Learning and Vision Transformers: A Comprehensive Analysis},
author = {Md. Zahid Hossain and Md. Rakibul Islam and Most. Sharmin Sultana Samu},
journal= {arXiv preprint arXiv:2505.01429},
year = {2025}
}