迈向自动化黑色素瘤筛查：恰当的计算机视觉与可靠结果

在本文中，我们调查、分析并批评了当前自动化黑色素瘤筛查的技术现状，重新实现了一个基线技术，并提出了两种新技术。黑色素瘤尽管在早期发现时高度可治愈，但由于诊断和治疗的延迟，最终成为最危险的癌症类型之一。其发病率飙升，远快于能够诊断它的训练有素的专业人员数量。自动化筛查作为一种替代方案出现，以充分利用这些专业人员，将他们的时间集中在有风险的患者上，同时安全地处理其他患者。然而，自动化黑色素瘤诊断的潜力目前尚未实现，因为当前文献强调过时的计算机视觉模型。更成问题的是当前技术的不可复现性。我们展示了基于当前计算机视觉的精简流程如何优于传统模型——基于先进词袋的模型达到84.6%的AUC，基于深度神经网络的模型达到89.3%，而基线（经典词袋）停留在81.2%。我们还发起了一场对话，以改善我们社区内的可复现性。