探索深度学习在自动化皮肤病诊断中的挑战与价值
计算机视觉与模式识别
2026-01-19 v2
摘要
皮肤癌是全球最常见且致命的癌症类型之一，突显了及早检测和诊断在改善患者预后方面的关键重要性。深度学习（DL）在提高自动化皮肤病诊断的准确性和效率方面显示出巨大的潜力，尤其是在检测和分类皮肤皮损方面。然而，针对基于深度学习的皮肤癌诊断仍存在若干挑战，包括复杂特征、图像噪声、类内变异、类间相似性以及数据不平衡。本综述综合了近期研究成果，讨论了针对这些挑战的创新方法，如数据增强、混合模型和特征融合。此外，综述强调了深度学习模型整合到临床工作流程中的潜力，为深度学习如何革新皮肤病诊断并改善临床决策提供了洞见。本综述独特地将 PRISMA 基于的方法论与挑战导向的分类学相结合，提供了对近期深度学习在皮肤病诊断方面进展的系统性和透明性综合。它进一步指出了 emerging（新兴的）方向，如混合 CNN-Transformer 架构和不确定性感知模型，强调其对未来皮肤科 AI 研究的贡献。
关键词
引用
@article{arxiv.2510.03869,
title = {Exploring the Challenge and Value of Deep Learning in Automated Skin Disease Diagnosis},
author = {Runhao Liu and Ziming Chen and Guangzhen Yao and Peng Zhang},
journal= {arXiv preprint arXiv:2510.03869},
year = {2026}
}