早期黑色素瘤基准数据集
Aleksandra Dzieniszewska1, Piotr Garbat1, Paweł Pietkiewicz2,3
1Institute of Microelectronics and Optoelectronics, Warsaw University of Technology, 00-661 Warsaw, Poland.
Cancers
|August 14, 2025
概括
深度学习模型难以准确检测早期黑色素瘤. 一个新的基准数据集揭示了显著的性能下降,强调了需要在自动诊断系统中更好地泛化.
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:
- 早期发现黑色素瘤对于患者的生存至关重要.
- 目前用于皮肤病变分析的深度学习模型在临床实践中面临着挑战.
- 关于黑色素瘤阶段分布的有限数据和缺乏交叉数据集评估阻碍了模型的可靠性.
研究的目的:
- 通过深度学习解决早期黑色素瘤检测的局限性.
- 引入T类黑色素瘤分析的基准数据集.
- 为了促进诊断模型的交叉数据集评估.
主要方法:
- 开发一个早期黑色素瘤基准数据集.
- 图像的标签是基于使用布雷斯洛厚度的T类别.
- 在新数据集上评估最先进的深度学习模型.
主要成果:
- 深度学习模型在早期黑色素瘤数据集上显示出显著的性能下降.
- 与ISIC挑战数据集的结果相比,性能下降显著.
- 这表明在检测早期黑色素瘤方面的能力有限.
结论:
- 该研究强调了当前模型对于早期黑色素瘤检测的不足.
- 开发的数据集可以作为T类别特定分析的资源.
- 这项工作旨在提高自动黑色素瘤诊断系统的临床适用性.


