跳转至

文章背景与核心概要

皮肤癌的早期准确检测对于临床治疗至关重要，但由于皮肤镜图像具有高度的类内变异性、类间相似性以及严重的类别不平衡问题，传统计算机辅助诊断面临着巨大挑战。此外，现有深度学习模型往往缺乏足够的透明度和不确定性量化能力，难以在医疗决策中获得医生的完全信任。

本文提出了一种全新的不确定性感知且具备可解释性的多分类皮肤病变深度集成学习框架。该框架创新性地结合了视觉Transformer模型（MaxViT-Tiny）与基于卷积神经网络的模型（ConvNeXt-Tiny和EfficientNetV2-B0），通过深度集成学习显著提升了分类性能。同时，系统引入了蒙特卡洛（MC）Dropout技术来量化预测不确定性并过滤不可靠的输出，并借助 Grad-CAM++ 提供直观的视觉解释，高亮显示驱动临床决策的关键病变区域。在 HAM10000 数据集上的实验表明，该框架在不确定性过滤下实现了高达 96% 的准确率和 99% 的 ROC-AUC，为构建可信赖的计算机辅助医疗诊断系统奠定了坚实基础。

面向多分类皮肤病变分类的不确定性感知的可解释集成深度学习框架 (Uncertainty-Aware and Explainable Ensemble Deep Learning Framework for Multi-Class Skin Lesion Classification)

📋 摘要 (Summary)

本文介绍了一种先进且值得信赖的计算机辅助诊断框架，旨在解决皮肤癌检测中的种种挑战——例如高类内变异性、类间相似性和类别不平衡。通过将视觉 Transformer（MaxViT-Tiny）与基于 CNN 的模型（ConvNeXt-Tiny 和 EfficientNetV2-B0）通过深度集成学习相结合，该框架在 HAM10000 数据集上取得了卓越的性能。它集成了蒙特卡洛 (MC) Dropout 来量化预测不确定性并过滤不可靠的输出，同时结合了 Grad-CAM++ 来对驱动临床决策的特征提供透明的视觉解释。

This paper introduces an advanced, trustworthy computer-aided diagnosis framework designed to address the challenges of skin cancer detection—such as high intra-class variability, inter-class similarity, and class imbalance. By combining vision transformers (MaxViT-Tiny) and CNN-based models (ConvNeXt-Tiny and EfficientNetV2-B0) via deep ensemble learning, the framework achieves exceptional performance on the HAM10000 dataset. It integrates Monte Carlo (MC) Dropout to quantify predictive uncertainty and filter out unreliable outputs, alongside Grad-CAM++ to deliver transparent, visual explanations of the features driving clinical decisions.

📌 元数据 (Metadata)

  • arXiv ID: arXiv:2608.11280
  • 主要学科: 图像与视频处理 (eess.IV)
  • 次要学科: 人工智能 (cs.AI)、计算机视觉与模式识别 (cs.CV)、机器学习 (cs.LG)
  • 作者: Rofiqul Islam, Lilatul Ferdouse
  • 提交日期: 2026年8月11日
  • 会议/出处: IEEE AIBThings 2026（5页，3张图）
  • arXiv ID: arXiv:2608.11280
  • Primary Subject: Image and Video Processing (eess.IV)
  • Secondary Subjects: Artificial Intelligence (cs.AI), Computer Vision and Pattern Recognition (cs.CV), Machine Learning (cs.LG)
  • Authors: Rofiqul Islam, Lilatul Ferdouse
  • Submission Date: August 11, 2026
  • Venue: IEEE AIBThings 2026 (5 pages, 3 figures)

🔬 摘要正文 (Abstract)

由于高度的类内变异性、类间相似性、类别不平衡以及深度学习模型有限的可解释性，基于皮肤镜图像的皮肤癌诊断仍然充满挑战。本文提出了一种用于多分类皮肤病变分类的不确定性感知的可解释深度学习框架。该框架通过深度集成学习，将视觉 Transformer 模型（MaxViT-Tiny）与基于 CNN 的模型（ConvNeXt-Tiny 和 EfficientNetV2-B0）结合起来。

蒙特卡洛 (MC) Dropout 用于估计预测的不确定性并识别不可靠的预测，而 Grad-CAM++ 作为一种可解释人工智能 (XAI) 技术，通过突出显示影响模型决策的病变区域来提供视觉解释。

在 HAM10000 数据集上进行评估，该框架实现了： * 在不确定性感知过滤（\(\text{entropy} < 1.0\), \(\text{confidence} \ge 0.7\)）下达到 96% 的准确率 和 99% 的 ROC-AUC * 94% 的精确率 (Precision)、95% 的召回率 (Recall) 和 95% 的 F1 分数（宏平均） * 在所有三个评估指标上均达到 96% 的加权平均得分

这些结果展示了准确、可解释且具有不确定性感知的皮肤病变分类，为值得信赖的计算机辅助诊断提供了支持。

Skin cancer diagnosis from dermoscopic images remains challenging due to high intra-class variability, inter-class similarity, class imbalance, and the limited interpretability of deep learning models. This paper proposes an uncertainty-aware and explainable deep learning framework for multi-class skin lesion classification. The framework combines a vision transformer model (MaxViT-Tiny) with CNN-based models (ConvNeXt-Tiny and EfficientNetV2-B0) through deep ensemble learning.

Monte Carlo (MC) Dropout estimates predictive uncertainty and identifies unreliable predictions, while Grad-CAM++, an explainable AI (XAI) technique, provides visual explanations by highlighting lesion regions that influence model decisions.

Evaluated on the HAM10000 dataset, the framework achieves: * 96% Accuracy and 99% ROC-AUC under uncertainty-aware filtering (\(\text{entropy} < 1.0\), \(\text{confidence} \ge 0.7\)) * 94% Precision, 95% Recall, and 95% F1-score (macro-averages) * 96% Weighted-average scores across all three evaluation metrics

These results demonstrate accurate, interpretable, and uncertainty-aware skin lesion classification for trustworthy computer-aided diagnosis.