使用 ResNet 深度学习框架的基于图块的自动玫瑰痤疮检测
计算机视觉与模式识别
2025-09-15 v1
摘要
玫瑰痤疮是一种表现为面部红斑、丘疹和可见血管的慢性炎症性皮肤病，通常需要精确和早期检测以显著提高治疗效果。本文提出了使用 ResNet-18 深度学习框架的新的基于图块的自动玫瑰痤疮检测策略。所提出策略的贡献来自以下几个方面。首先，从不同大小、形状和位置的人的面部图像中提取各种图像图块。其次，进行了多项调查研究，以评估局部视觉信息如何影响深度学习模型的性能。第三，进行了彻底的实验，表明几种基于图块的自动玫瑰痤疮检测策略实现了与基于全图象的方法相比具有竞争力或更优的准确性和敏感性。最后，所提出的基于图块的策略仅使用局部图块，通过从数据中排除任何可识别的面部特征，内在地保护了患者隐私。实验结果表明，所提出的基于图块的策略引导深度学习模型关注临床相关区域，增强了鲁棒性和可解释性，并保护了患者隐私。因此，所提出的策略为改进自动化皮肤科诊断提供了实用见解。
引用
@article{arxiv.2509.09841,
title = {Patch-based Automatic Rosacea Detection Using the ResNet Deep Learning Framework},
author = {Chengyu Yang and Rishik Reddy Yesgari and Chengjun Liu},
journal= {arXiv preprint arXiv:2509.09841},
year = {2025}
}