皮肤疾病分类与皮肤病变表征：利用多标签深度神经网络实现稳健诊断
计算机视觉与模式识别
2022-03-24 v3
摘要
在本研究中，我们探究实现稳健皮肤疾病诊断的实际有效方法。一种直接方法是针对真实诊断标签，而另一种替代方法则侧重于确定在视觉上更具一致性与可辨性的皮肤病变特征。我们认为，对于计算机辅助皮肤疾病诊断而言，将病变类型标签视为自动诊断系统的目标更为现实且更有用，从而使系统首先能在描述皮肤病变上达到高准确率，进而结合其他证据利用病变特征辅助疾病诊断。为进一步达成该目标，我们对疾病导向与病变导向的分类均采用了卷积神经网络（CNNs）。我们从六个公开可用的皮肤病图谱收集了包含 75,665 张皮肤疾病图像的大规模多样化数据集。随后我们分别训练并比较了疾病导向与病变导向的分类器。对于疾病导向分类，仅达到 27.6% 的 top-1 准确率与 57.9% 的 top-5 准确率，平均精度均值（mAP）为 0.42。相比之下，对于病变导向分类，我们可达到高得多的 mAP 0.70。
引用
@article{arxiv.1812.03520,
title = {Skin Disease Classification versus Skin Lesion Characterization: Achieving Robust Diagnosis using Multi-label Deep Neural Networks},
author = {Haofu Liao and Yuncheng Li and Jiebo Luo},
journal= {arXiv preprint arXiv:1812.03520},
year = {2022}
}