基于集成学习的儿童特异性皮肤病皮肤 lesion 检测系统实现
计算机视觉与模式识别
2025-12-01 v1
摘要
Data 3 法案的修订以及新冠疫情的影响推动了韩国数字医疗市场的增长，促进了医疗数据在人工智能中的应用。特异性皮肤病是一种慢性炎症性皮肤疾病，通过主观评估进行诊断，无法使用客观诊断方法，导致误诊风险增加。它与牛皮疱在外观上相似，进一步复杂化了准确诊断。现有皮肤病研究使用高质量的皮肤病学图像数据集，但实际临床环境无法获取此类高质量图像。此外，现有系统必须确保准确性和快速响应时间。为此，提出了一种基于集成学习的皮肤 lesion 检测系统（ENSEL）。ENSEL 通过集成方法整合各种深度学习模型，从而提高诊断准确性。通过使用实际用户拍摄的皮肤 lesion 图像进行皮肤 lesion 检测实验验证了其性能。使用随机抽取的皮肤病学图像测量其准确性和响应时间。结果表明，ENSEL 在大多数图像上实现了高召回率，并在处理速度上低于 1 秒。该研究促进了皮肤 lesion 的客观诊断，推动了数字医疗的发展。
关键词
引用
@article{arxiv.2511.23082,
title = {Implementation of a Skin Lesion Detection System for Managing Children with Atopic Dermatitis Based on Ensemble Learning},
author = {Soobin Jeon and Sujong Kim and Dongmahn Seo},
journal= {arXiv preprint arXiv:2511.23082},
year = {2025}
}
备注
16pages, 14 figures, 7 tables