基于内容的具有深度分类特征的皮肤镜图像检索诊断准确率

神经网络是以人脑为模型的计算机系统。神经网络可以学会自己检测颜色、形状和边缘等视觉元素,因此,它们在皮肤肿瘤的自动分类和诊断方面显示出了巨大的进步。不幸的是,在最常见的格式中,它们只提供最终的概率值,例如“5% 黑色素瘤、60% 痣、25% 脂溢性角化病”。虽然实验结果表明网络是相当准确的,但用户很难洞察预测,以及如何将预测与自己的决策过程相结合。让神经网络变得“可解释”的一个选项是让它在数据库中搜索并呈现类似的图像,就像在书上查找类似的病例一样——只是这样会更快、更全面。这也有一个好处,即当图像看起来与搜索到的皮肤病变没有任何相似之处时,用户立即知道不要相信这种情况下的自动分析。作者在本研究中表明,如果一个网络提供类似的图像,这些图像可以传达与传统的“5% 黑色素瘤、60% 痣、25% 脂溢性角化病”输出相同的准确性。他们进一步发现,只需搜索最多 16 幅相似的图像就足以提供这些信息。这项研究表明,简单地搜索相似的图像可以利用神经网络的预测能力,同时变得可以被最终用户理解。