林凯迪，杜洪波*，王鸿菲，朱立军

(1.沈阳工业大学 理学院，沈阳 110870； 2.北方民族大学 信息与计算科学学院，银川 750021)

据世界卫生组织统计，每年有1/3的癌症是皮肤癌.近年来，我国的皮肤癌发病率逐年提高，但目前全国的皮肤科医生仅有2万多名，存在严重短缺和分布不均的情况，同时皮肤病种类多样，有2 000多种，存在着不同疾病相似的症状，同一疾病不同的症状，这都极大地阻碍了医生的诊断，尤其是在医疗资源不发达的地方，皮肤病的确诊率非常低[1].而皮肤镜是一种无创性显微图像分析技术在皮肤癌早期的诊断和筛查中有显著作用[2-4].因此，运用皮肤镜图像来进行计算机辅助诊断技术也应运而生，并得到了广泛的应用.

Ballerini等[5]对K最近邻算法进行改进，并实现了皮肤镜图像的分类.Celebi等[6]先对皮肤镜图像做分割处理，再提取病灶的特征，然后使用支持向量机进行二分类，实现了恶性黑色素瘤的识别.以上方法均需要人工提取病灶的特征.随着深度学习的发展，研究人员将深度神经网络应用到皮肤镜图像的检测中.与传统计算机辅助检测方法相比，深度学习方法具有两种显著优势：① 自动提取特征；② 识别准确率更高.Codella等[7]将卷积神经网络与支持向量机结合，实现了皮肤镜图像中黑色素瘤的识别.Kawahara等[8]使用改进的AlexNet网络来提取皮肤病图像中的特征，再结合支持向量机进行图像的识别.李航等[9]使用深度残差网络提取皮肤镜图像的特征，并采用支持向量……