Melatect：一种用于识别皮肤赘生物中恶性黑色素瘤的机器学习模型方法

恶性黑色素瘤是一种常见的皮肤癌，在转移前——即赘生物在远离原位的器官中生成时——大多可治愈。若不加治疗，由于高转移风险，黑色素瘤是最危险的皮肤癌类型。本文提出Melatect，一种嵌入iOS应用中的机器学习（ML）模型，用于识别潜在的恶性黑色素瘤。Melatect在超过96.6%的情况下将病损准确分类为恶性或良性，且无明显的偏差或过拟合。使用Melatect应用，用户能够拍摄皮肤病变（痣）的照片并随后获得痣的分类结果。Melatect应用提供了一种便捷的方式，免费获取病变建议并随时间追踪这些病变。我们开发了递归计算机图像分析算法和改进的MLOps流水线，以创建比现有模型性能更高的模型。我们的训练数据集包含18,400张良性和恶性病变图像，其中18,000张来自国际皮肤成像协作（ISIC）档案，以及从当地皮肤科医生处收集的400张图像；这些图像使用AutoML工具DeepAugment增强至54,054张。