皮肤癌图像融合网络

小样本训练可扩展

该模型通过多模型融合与终身学习技术，在小型临床图像数据集上实现了可与皮肤科医生相媲美的分类性能。

Juan, Chao Keui · Su, In Hao · Wu, Yi Cheng · Chi-Shun, Yang · Chung-Ping, Hsu · Hung, Chelun · Chen, Yiju

Scientific Reports 2023

参数信息

整体准确率

85 %

精确率

85 %

召回率

82 %

F值

82 %

敏感度

82 %

特异度

93 %

数据集规模

1215

技术优势

小样本也能训

通过模型融合与终身学习技术，仅用 1215 张图像即可达到 85% 准确率，无需大规模标注数据集。

赶上皮肤科医生

与三位认证皮肤科医生比较，平均整体表现相当甚至更好，可作为可靠的辅助筛查工具。

应用场景

• 皮肤病筛查：辅助皮肤科医生进行皮肤肿瘤初筛，减少漏诊并加速分诊流程。
• 辅助诊断决策：为医生提供实时五分类结果，支持临床诊断决策。
• 医学影像分析：自动识别皮肤镜或临床图像中的肿瘤类型，替代手动阅片。