基于Web的黑色素瘤检测

黑色素瘤是最具侵袭性的皮肤癌形式，早期检测可显著提高生存率并防止癌症扩散。然而，由于缺乏标准化的数据集和评估方法，开发可靠的自动检测技术十分困难。本研究提出了一种统一的黑色素瘤分类方法，支持11个数据集和24种最先进深度学习架构的54种组合。该方法实现了对1,296个实验的公平比较，并最终得到一个可部署于基于Web的MeshNet架构的轻量级模型，命名为Mela-D。通过将参数量减少24倍，该方法的运行速度最高可提升33倍，并在先前未见过的图像上取得与ResNet50相当的88.8%的准确率。这使得在可在消费级硬件上运行的真实世界环境中，能够进行高效且准确的黑色素瘤检测。