摘要

皮肤癌是全球最常见的癌症类型，其中黑色素瘤是最具致命性的形式。皮肤镜检查（dermoscopy）作为一种皮肤成像技术，相较于无辅助的肉眼观察，在皮肤癌的诊断准确性方面已展现出显著提升。本文基于ISIC-2019皮肤病变分类挑战赛以及当前相关文献，系统评估了皮肤镜图像分类领域的最新研究进展。研究采用迁移学习与模型微调策略，将多种在ImageNet数据集上预训练的深度神经网络架构，适配至由公开可获取的皮肤镜图像与临床图像组成的联合训练数据集。在此基础上，评估了这些模型在识别八类皮肤病变方面的性能与实际应用潜力。为扩充训练样本数量，引入了实时数据增强技术，通过在指定范围内随机进行旋转、平移、剪切和缩放等变换实现。为更准确地逼近真实概率分布，模型预测结果被乘以各类别逆频率并进行归一化处理。此外，通过集成多个独立训练模型的预测结果并取算术平均值，进一步提升了整体预测准确率。表现最优的单个模型已以网络服务形式公开发布。