深度医疗(5) - 皮肤癌（黑素瘤）诊断识别

阅读量：

深度医疗项目是由笔者基于深度学习技术开发的医学应用系统构建过程得出的。经过系统整理和组织输出了相关文档资料以及完整的课程培训内容。旨在通过分享交流的方式促进彼此的学习与探讨。进一步探索出更优解决方案。笔者是一位普通的从业者，在大数据与人工智能领域有着一定的实践经验。在实践中如发现任何错误或理解上的不足之处，请各位同行专家多多指正与赐教。笔者坚信，在深度学习技术和医学领域的深度融合中必将能够打造出性能卓越、能够广泛应用于大众健康的深度医疗系统

深度学习在医疗中的应用：皮肤肿瘤（黑色素细胞癌）的诊断与识别

本文主要探讨了基于深度学习技术的黑色素瘤病变识别方法。然后较为简明地阐述了皮肤病变在医学领域的基础理论及其相关知识。随后重点讲述了经过验证的黑色素瘤专用数据集。最后深入分析了所采用的人工神经网络模型及其在实验处理中的表现，并详细探讨了其性能指标评估方法。

1.概述

背景

自1979年以来，皮肤黑素瘤的发病率逐年攀升，在各种皮肤癌中具有较高的死亡率。该病源于皮肤、粘膜、眼以及中枢神经系统色素沉着区域的黑素细胞恶性肿瘤，在我国的检出率呈现逐年上升的趋势，并且每年约有2万例新发病例出现。

检查

肿瘤形态单一且实性特征明显，在表皮中通常覆盖有明显的结缔组织层，并呈现深褐色或亚 brown 颜色，在不同情况下颜色深浅不均；也可能不含有色素。当在被确诊局限于皮肤表面时进行手术切除，则通常能够达到治愈效果（5年相对生存率约为98%）。然而令人遗憾的是，在某些情况下即使患者的肿瘤仅限于表皮层也会导致延误治疗而发展至更晚期阶段（约92%）。另一方面由于其外观特征容易识别但错误的筛查可能导致过度检查及误诊良性的皮肤病变从而增加不必要的医疗负担

发病原因

尚未完全明确的原因包括遗传学方面的因素、黑色素瘤相关的恶性肿瘤、创伤以及长期接触的因素等免疫学方面的因素中的一部分原因与太阳辐照设备及其模拟装置的应用范围扩大有关

诊断

由于皮肤能够被肉眼直接观察到，在某些情况下早期黑色素瘤难以通过外观与同类良性病变相鉴别。这种现象导致许多黑素细胞瘤被误诊为其他类型的癌症。在进行皮肤癌诊断时（特别是黑色素瘤相关诊断），医生会使用人体摄影以及显微镜检查作为主要手段，并结合显微镜下的详细观察来判断是否存在异常病变组织或结构变化。通常情况下，在进行全身性影像学检查时（如全身摄影），医生可以通过技术手段观察到癌前病变的变化情况，并减少手术前发现actual病灶的可能性

2.数据集

数据集信息

该数据集共计包含23906张图片，在这之中有一部分为良性的病变病例（benign tumors），另一部分为恶性的病变病例（malignant tumors）。值得注意的是，在这一系列图片中还存在一部分尚未达到明确诊断标准的情况（uncertain cases）。

这些数据库集合包括HAM10000、MSK-1、MSK-2、MSK-3、MSK-4、MSK-5、SONIC以及UDA-1和UDA-2等项目。这些数据库集合主要区别在于数据来源和参数配置的不同。具体而言，在数据采集方面各项目之间存在显著差异。其中每个独立的数据库内部图片分辨率保持一致；而不同数据库之间的图片分辨率则存在明显差异。