Dermatologist-level classification of skin cancer with deep neural networks
背景
以往的皮肤癌分类器往往缺乏好的泛化能力，由于缺少数据和focus on 标准任务，如只对专用医学设备产生的图片进行分类。无法对如手机拍摄的等因为缩放，角度，光线问题的照片进行分类。该文提出一种端对端的CNN，对皮肤癌进行分类。可以达到专家水平甚至更好。
数据
用了129450张图像（比以往的数据集大两个数量级）包含2032种不同的疾病。测试数据是由21位皮肤科专家标注的。
将数据划分：
127,463用于训练和validation
1,942 biopsy-labelled（活检）用于测试
模型
GoogLeNet Inception V3 (用2014ImageNet预训练，1.28 million images)
结果
蓝色的是CNN,红色的点代表皮肤病专家，绿色的是皮肤病专家的平均水平，可以看出，CNN胜出
在first level nodes（benign lesions, malignant lesions and non-neoplastic lesions)3 class partision 任务中可以达到72.1%的平均准确率，两个皮肤科专家分别达到65.56%和66.0%
其次，在second level nodes（9分类）中CNN可以达到55.4%，两个专家分别是53.3和55.0
可以看出，用更好的疾病划分方法可以提高准确率
亮点
1.一种给疾病分类的算法
充分利用如下疾病的树状图分类，好像这个Partition Algorithm 挺好使的
看以上结果的时候可以发现，有PA和没有PA，可以提升好几个点，下图是PA具体算法
2.本文的训练数据比以往大了两个数量级，数据为王。
3.不仅用了专业医学设备产生的图片
4.展望手机app端，提升逼格
评论区