皮肤黑色素瘤预防的潜在空间分析

黑色素瘤因其激进的进展和高死亡率而代表着关键健康风险，凸显了对早期、可解释诊断工具的需求。尽管深度学习在皮肤瘤分类方面取得了进展，但大多数现有模型仅提供二元输出，为临床提供有限的洞察。本 work 引入一种新方法，超越分类，实现可解释的风险建模，通过条件变分自编码器。该方法学习捕获皮肤瘤之间语义关系的结构潜在空间，允许对形态差异进行细致、连续的评估。我们还在该表示上训练了一个 SVM，有效区分良性 nevi 与黑色素瘤，显示出强劲且持久的性能。更重要的是，所学潜在空间支持黑色素瘤的视觉和几何解释，患者皮肤瘤至已知黑色素瘤的空间接近性作为风险的有意义指示器。该方法桥接了预测性能与临床可应用性，促进早期检测、突出模糊案例，并通过透明和可解释的决策-making 提升对 AI 辅助诊断的信任。