基于临床皮肤图像的恶性预测与病灶识别
计算机视觉与模式识别
2021-04-07 v1 机器学习
摘要
我们考虑基于机器学习的恶性预测与病灶识别，所用临床皮肤图像可通过智能手机或皮肤镜捕获无差别获取。此外，我们不假设图像仅含单个病灶，因而该框架同时支持聚焦或宽场图像。具体而言，我们提出一种两阶段方法：首先识别图像中所有存在的病灶（不论亚型或恶性可能性），随后估计其恶性可能性，并通过聚合生成图像级恶性可能性，可用于高层筛查流程。进一步，我们考虑用临床协变量（来自电子健康记录）与公开可用数据（ISIC数据集）增强所提方法。在独立测试数据集上验证的综合实验表明：i）所提方法优于其他模型架构；ii）基于图像的模型大幅优于纯临床模型，且图像与临床数据的结合相较纯图像模型无显著改进；iii）所提框架在恶性分类上相对于三名不同经验水平的认证皮肤科医生具有可比性能。
引用
@article{arxiv.2104.02652,
title = {Malignancy Prediction and Lesion Identification from Clinical Dermatological Images},
author = {Meng Xia and Meenal K. Kheterpal and Samantha C. Wong and Christine Park and William Ratliff and Lawrence Carin and Ricardo Henao},
journal= {arXiv preprint arXiv:2104.02652},
year = {2021}
}