DermClinical：面向临床实践的皮肤病计算机辅助诊断评估框架

《Neurocomputing》：DermClinical: Clinical-oriented dataset and evaluation for computer-aided dermatological diagnosis

本文提出DermClinical评估框架，通过构建最大规模皮肤病临床图像数据集DermClinical-34K、创新性OR-K（Overall-Recall-above-Precision-K）评价指标及有限数据评估方案，系统解决现有计算机辅助诊断（CAD）系统与临床实践需求错位问题，为皮肤病AI诊断的临床转化提供新范式。

　　

Highlight

数据集

我们构建了皮肤病临床图像诊断新数据集"DermClinical-34k"。表1总结了本数据集并与现有数据集进行对比。

实施细节

为评估本研究中的方法，我们将其分为两类。第一类为皮肤病图像分类方法。对这些方法，我们使用官方发布代码并在我们的DermClinical-34k数据集上重新训练模型。第二类为通用分类骨干网络，实施细节如下：基础学习率设为0.001，每40轮训练后降低10倍。模型训练...

结论

本文深入分析了当前皮肤病临床图像基准研究与临床实践之间的错位问题，系统提出DermClinical评估框架。首先，我们通过合并临床相关类别和引入特殊"未知"类别，构建了具有可靠每类别评估能力的大规模数据集"DermClinical-34k"。在此基础上，我们提出新颖指标"OR-K"，直接...

CRediT作者贡献声明

Zihao Liu： 审阅编辑、原稿撰写、可视化、验证、方法论、研究、形式分析、数据整理、概念化。Zhiqiang Hu： 审阅编辑、原稿撰写。Ruiqin Xiong： 审阅编辑。Shaoting Zhang： 审阅编辑。Tingting Jiang： 审阅编辑、指导、概念化。

利益冲突声明

作者声明无已知可能影响本报告工作的竞争性财务利益或个人关系。

致谢

本工作部分受国家自然科学基金项目（合同号62088102）资助。同时感谢北京大学高性能计算平台提供的计算资源。

Zihao Liu 现任北京心尔科技科技有限公司AI研究工程师。他于2019年在中国大连理工大学获得学士学位，2024年在北京大学获得计算机科学博士学位。他曾在2024年至2025年期间担任英特尔中国研究院的应用AI研究科学家。研究方向包括计算机视觉、自然语言处理和大型基础模型。