龚 安， 姚鑫杰， 杜 波， 李维浩

(1.中国石油大学(华东)计算机科学与技术学院， 青岛 266580； 2.大理白族自治州人民医院， 大理 671000)

近年来，皮肤癌是常见的恶性肿瘤之一[1]，其中恶性黑色素瘤是世界上速度增长最快和最致命的癌症之一，占皮肤癌死亡人数的75%[2-4]。早期诊断对于皮肤癌治疗非常重要，如发现较早，及时进行治疗，存活率可以达到96%[5]。为了协助医生进行诊断，临床上引入皮肤镜[6]来改善诊断效果，但皮肤镜图像本身的复杂性如类内差异大、类间相似性高和皮损边界模糊等问题给检测提出了巨大的挑战。此外，由于医生技术水平、临床治疗经验的不同，使得人类的主观判断能力有一定的局限性。因此，医生借助计算机视觉等图像处理技术对患者进行诊治已经逐渐成为医学领域发展的一个重要研究方向。

有关自动分类色素性皮肤病变图像的研究早在1987年就已经出现在文献[7]中。早期的研究主要通过人工直接提取特征，将这些底层特征融合，从而提高分类的准确率[4, 8-9]。Kusumoputro等[10]从皮肤镜图像中提取形状和颜色特征，利用人工神经网络对恶性黑色素瘤进行分类。由于黑色素瘤与非黑色素瘤之间的类内差异大和类间差异小，所以大多时候人工提取特征的效果并不理想。此外，这些基于人工提取特征的方法大多数操作较为复杂，导致临床实践中出现适用性不高、泛化能力不足等问题[11]。随着技术的发展，以卷积神经网络为代表的深度学习技术在图像分析领域取得了不错的效果。……