可解释的深度学习方法用于高精度的早期黑色素瘤检测,使用皮肤镜图像
Md Abdullah All Mahmud1, Sadia Afrin2, M F Mridha3
1Department of Computer Science, American International University-Bangladesh, Dhaka, Bangladesh.
Scientific reports
|July 8, 2025
概括
这项研究开发了一种先进的深度学习模型,用于从皮肤显微镜图像中早期检测皮肤黑色素瘤. 该系统实现了高精度,提高了诊断可靠性,并帮助医疗专家在早期癌症识别.
科学领域:
- 皮肤病学 皮肤病学
- 人工智能的人工智能
- 医疗成像医学成像
背景情况:
- 由于图像的变化,早期皮肤黑色素瘤检测具有挑战性.
- 现有的自动诊断系统在各种条件下缺乏可靠性和可解释性.
研究的目的:
- 开发一套强大的自动诊断系统,利用皮肤镜图像进行早期皮肤癌检测.
- 提高人工智能驱动的皮肤病诊断的可靠性和可解释性.
主要方法:
- 提出了一个新的深度学习模型,包括全球平均聚合,批量规范化,丢失和密集层与ReLU和Swish激活.
- 可解释的AI技术,包括梯度加权类激活映射和突出地图,用于模型解释性.
主要成果:
- 拟议的模型在两个不同的数据集上实现了95.23%和96.48%的高精度.
- 该系统在各种指标上展示了强大的性能和可靠性,通过可解释的AI见解来验证.
结论:
- 开发的模型显著提高了早期皮肤癌诊断,为医学专家提供了可靠的工具.
- 这项研究促进了深度学习在医疗保健中的接受和应用,以改善临床结果.


