【医学影像】《Dermatologist-level classification of skin cancer with deep neural networks》论文笔记...

这是一篇关于皮肤癌分类的文章，核心就是分类器，由斯坦福大学团队发表，居然发到了nature上，让我惊讶又佩服，虽然在方法上没什么大的创新，但是论文本身的工作却意义重大，并且这篇17年见刊的文章，引用量已经达到1300多，让人佩服，值得学习。

【出发点】现有的皮肤癌分类系统由于数据量不够，同时只针对标准化的图像如皮肤镜图像和组织图像，通用性不够，还难以媲美医生的水平，也就是说不能投入实际使用

【论文核心】利用inceptionv3训练12万张图片，对皮肤癌的诊断达到可媲美皮肤科医生的水平

【论文贡献】1.从互联网上收集12万张皮肤癌图像，这其中大多数为普通的图像（不是医学设备产生的标准图像），并由皮肤科医生打上类别标签

                     2.设计一套分类算法，对收集的图像进行详细的分类

                     3.利用在imagenet上预训练的inceptionv3在皮肤癌图像上训练，可得到非常好的效果

下面详细讲一下这三个点，主要是第一点，这是一个工作量很大的事，也是我认为本文最大的贡献所在。

1.数据

之前的皮肤癌分类系统使用的数据集较小，通常小于1000张图像，于是本文作者就在互联网上收集了129450张图像，其中3374张是皮肤镜图像（皮肤镜是皮肤科医生诊断时使用的专业手持设备）

在这些图像中共包含2032中疾病，但是训练分类器的时候，作者将输出的类别精简为757类，具体是如何做的就是本文的第二点贡献啦&#x