皮肤镜图像自动黑素瘤检测的计算机系统和排名标准比较
摘要：黑素瘤是最致命的皮肤癌症。计算机系统可以辅助黑素瘤检测，但在临床实践中并不普及。2016年，宣布了一项关于皮肤病变显微镜图像分类的公开挑战。该挑战发布了一个包含900个图像及其相应类别标签和半自动/手动分割掩模的训练集。一个独立的测试集包含379个图像被用来排名参与者。本文阐明了排名标准、分割方法和分类器的影响，并突出了临床视角。通过分析挑战中计算机系统的排名结果，我们比较了五种不同的诊断准确度评估方法。性能评估指标的选择对排名影响巨大。在一个指标中排名前三的系统，在更改指标后会掉到后半部分。本文使用作者之前开发的计算机系统Nevus Doctor来研究分割和分类器的影响。自动与半自动/手动分割对诊断准确度的影响没有预期的大，这表明改进自动分割方法以接近半自动/手动分割的相似性不会大幅提高诊断准确度。一小组相似的分类算法用于研究分类器对诊断准确度的影响。不同分类器算法的诊断准确度变异性大于分割方法的变异性，这为未来的研究提供了一个重点。从临床角度来看，将黑素瘤误分类为良性病变的代价远远大于将良性病变误分类为病理性病变。为了使计算机系统在临床上产生影响，它们的性能应该由高灵敏度的指标进行排名。
作者：Kajsa M{o}llersen, Maciel Zortea, Thomas R. Schopf, Herbert Kirchesch, Fred Godtliebsen
论文ID：1802.01301
分类：Machine Learning
分类简称：stat.ML
提交时间：2018-02-06