MelaNet:用于皮肤镜图像中黑色素瘤检测的深度密集注意力网络

• 作者: 钟昀辛 张朋艺 邓玉林 李晓琼
• 来源期刊: 生命科学仪器
• 关键词: 皮肤镜检查 黑色素瘤检测 密集注意力 多类别分类 多标签分类
• 年，卷（期）: 2021,（2）
• 所属期刊栏目: 研究报告|Research report
• 页码范围: 40-48
• 页数: 9页
• 分类号: R44|R751
• 语种: 中文
• DOI: 10.11967/2021190406

摘要

黑色素瘤是全球范围内一种最致命的皮肤癌.基于皮肤镜图像的黑色素瘤自动化检测对于改善皮肤癌的诊断具有重要意义.因此,本文提出了由专门设计的密集注意力模块构成的深度神经网络MelaNet,通过融合多类别与多标签分类来实现对包括黑色素瘤在内的9种皮肤癌的检测.将年龄、性别及病灶点等元数据作为先验,构建了概率预测模型.在包括8,238张皮肤镜图像的独立测试集上MelaNet取得了先进的检测性能:准确率为86.8％,敏感性为70.8％,以及特异性为86.9％.在ISIC2019国际皮肤病识别挑战赛的元数据排行榜上名列第五,在仅使用ISIC2019数据集的条件下排名第二.MelaNet决策过程的可视化结果展现出了良好的临床相关性,有望用于临床辅助医生进行黑色素瘤等皮肤病变的诊断.