《The Computer Journal》：A deep learning framework for explainable skin lesion analysis
编辑推荐：
皮肤疾病，尤其是猴痘等病毒感染，因其传播迅速、与其他皮肤状况在视觉上相似以及需要及时准确的诊断，已成为重大的全球健康关切问题。在本研究中，提出了一种结合U-Net++、FastViT和人工蜂群（artificial bee colony, ABC）优化算法的混
皮肤疾病，尤其是猴痘等病毒感染，因其传播迅速、与其他皮肤状况在视觉上相似以及需要及时准确的诊断，已成为重大的全球健康关切问题。在本研究中，提出了一种结合U-Net++、FastViT和人工蜂群（artificial bee colony, ABC）优化算法的混合深度学习方法，用于皮肤病变的自动分类。在初始阶段，使用U-Net++架构对病变区域进行分割，并通过Otsu阈值法生成伪掩膜。经分割获得的病变聚焦图像随后使用FastViT-T8模型进行分类。从FastViT模型中提取的深度特征通过ABC算法进行优化，以识别最具判别力的特征子集。所选特征采用多数投票法进行分类，以增强决策稳定性。为确保模型的可解释性，应用梯度加权类激活映射（Gradient-weighted Class Activation Mapping, Grad-CAM）来可视化影响分类决策的病变区域。所提出的系统在PoxData数据集上进行了评估，该数据集包含猴痘、水痘、牛痘和健康类别。实验结果表明，该方法达到了99.38%的分类准确率，优于本研究所考虑的基于卷积神经网络和视觉变换器的模型。
**研究背景与问题**
皮肤病变的早期准确诊断对于挽救致命疾病（如癌症）患者的生命以及控制传染病传播至关重要。然而，猴痘、水痘、牛痘等病毒性皮肤病变在早期阶段表现出高度相似的视觉特征，仅凭临床检查进行鉴别诊断极为困难。这种诊断模糊性凸显了开发基于图像的计算机辅助诊断系统的迫切需求。近年来，深度学习（deep learning, DL）在医学图像分析领域取得了革命性进展，卷积神经网络（convolutional neural network, CNN）被广泛用于皮肤病变检测。然而，现有深度学习方法面临若干关键挑战：其一，CNN等模型的决策机制往往不透明，缺乏可解释性，阻碍了临床采纳；其二，针对猴痘等新发疾病的医学影像数据集规模有限且类别不平衡，易导致过拟合，限制模型泛化能力；其三，高维深度特征中常包含冗余信息，不仅增加计算成本，还可能降低分类性能。已有研究虽分别尝试了分割辅助分类、混合架构、可解释人工智能（explainable AI, XAI）或特征优化，但鲜有将弱监督伪掩膜分割、轻量级混合变换器分类、元启发式特征选择、集成决策与可解释性整合于统一工作流的方案。为此，研究人员提出了一种集U-Net++、FastViT与人工蜂群（artificial bee colony, ABC）优化算法于一体的混合深度学习框架，旨在实现对视觉相似的病毒性皮肤病变的自动、准确且可解释的分类。
**研究内容与主要结论**
研究人员利用公开的PoxData数据集（包含猴痘、水痘、牛痘和健康四类共10107张图像）开展了系统性实验。首先，采用Otsu阈值法生成伪掩膜，以此作为弱监督标签训练U-Net++分割网络，实现对病变区域的精确分割；随后，利用分割掩膜对原始图像进行病变聚焦裁剪（region of interest, ROI），并将裁剪图像输入FastViT-T8混合架构进行分类；同时，提取FastViT-T8的深度特征，通过ABC算法进行特征选择，结合多数投票法提升决策稳定性；最后，采用梯度加权类激活映射（Gradient-weighted Class Activation Mapping, Grad-CAM）实现模型决策的可视化解释。实验结果显示，所提出的分割辅助FastViT-T8模型在PoxData数据集上达到99.38%的分类准确率，马修斯相关系数（Matthews Correlation Coefficient, MCC）为0.9918，显著优于直接对原始图像分类的FastViT-T8（准确率98.71%）以及MobileViT消融模型（准确率92.48%）；U-Net++分割性能达到Dice相似系数（Dice Similarity Coefficient, DSC）93.03%和交并比（Intersection over Union, IoU）87.22%。ABC特征选择将768维特征压缩至279维，结合多数投票获得92.48%的准确率。Grad-CAM热图表明模型聚焦于临床相关的病变区域。该框架的重要意义在于：通过统一的流水线同时实现病变定位、局部-全局特征学习、维度缩减、集成决策与可解释分析，为皮肤病变自动诊断提供了高精度且透明的解决方案，并可作为PoxData数据集的基准参照。
**关键技术方法**
本研究采用了多项关键技术：①Otsu阈值法，基于图像灰度直方图自动确定最优阈值，分离前景与背景，生成伪掩膜；②U-Net++分割网络（编码器采用ResNet-34），通过密集跳跃连接和深度监督实现多尺度特征融合，对伪掩膜进行细化并获得高质量病变分割掩膜；③FastViT-T8混合架构，融合CNN局部特征提取与Transformer全局上下文建模，并采用高效自注意力机制降低计算开销，用于皮肤病变分类；④人工蜂群（ABC）优化算法，模拟蜜蜂觅食行为对深度特征进行启发式搜索，从768维特征中筛选出279个最具判别力的特征；⑤多数投票集成方法，综合多个分类器的预测结果以增强决策稳定性；⑥梯度加权类激活映射（Grad-CAM）技术，利用最后一层卷积层的梯度信息生成热图，可视化影响模型决策的关键病变区域。所有实验在配备Intel Core i7处理器、80 GB内存、NVIDIA GeForce RTX 4060 GPU（8 GB显存）的工作站上进行，数据按80%训练、20%测试划分。数据集来源为Kaggle平台公开的PoxData数据集，包含猴痘2559张、水痘2516张、牛痘2510张、健康2522张图像。
**研究结果**
**U-Net++分割结果：** 研究人员采用Otsu伪掩膜作为弱监督标签训练U-Net++模型，分割性能达到DSC 93.03%、IoU 87.22%、精确率93.09%、灵敏度93.32%、F1分数93.03%。该结果表明U-Net++能有效细化伪掩膜并精确定位病变边界，为分类阶段提供高质量的ROI图像。
**FastViT-T8在原始图像上的分类性能：** 直接使用FastViT-T8对原始图像进行分类，获得准确率98.71%、灵敏度98.76%、特异度99.57%、精确率98.73%、F1分数98.74%、MCC 0.9843。该结果表明FastViT-T8本身已具备较强的皮肤病变区分能力。
**分割辅助FastViT-T8的分类性能：** 使用U-Net++分割后的裁剪图像训练FastViT-T8，准确率提升至99.38%，灵敏度99.38%、特异度99.79%、精确率99.41%、F1分数99.39%、MCC 0.9918。相比原始图像分类，准确率提高了0.67个百分点，证明分割预处理有效减少了背景干扰，使模型聚焦于病变区域。Grad-CAM可视化进一步显示模型注意力集中于临床相关的病变区域，增强了决策可解释性。
**消融研究一：ABC特征选择与多数投票：** 从FastViT-T8全局平均池化层提取768维特征，经ABC算法筛选出279个最优特征，结合多数投票分类获得准确率92.48%、灵敏度92.78%、特异度97.49%、精确率92.71%、F1分数92.58%、MCC 0.9008。ABC特征选择离线优化耗时88秒，将特征维度压缩约63.67%，验证了元启发式特征选择的有效性及其计算开销的合理性。
**消融研究二：MobileViT对比：** 在相同的分割裁剪图像上训练MobileViT模型，获得准确率92.48%、灵敏度92.78%、特异度97.49%、精确率92.71%、F1分数92.58%、MCC 0.9047。该结果显著低于分割辅助FastViT-T8，表明FastViT-T8在混合局部-全局特征提取方面优于MobileViT，进一步验证了所提架构的优越性。
**讨论与结论**
讨论部分指出，分割预处理可显著提升分类性能，其机制在于降低背景噪声、增强病变区域的信息密度；FastViT-T8的多层结构结合低层形态细节产生更稳健可靠的决策。可解释性分析中，Grad-CAM被选为空间病变级证据的可视化工具，但研究人员同时承认单一XAI视角的局限，未来计划引入LIME、Score-CAM、Integrated Gradients等互补方法进行多视角验证。基于MCC的评估进一步确认了分割辅助FastViT-T8在不平衡敏感度量下仍保持强判别力。研究也存在若干局限：数据多样性有限（不同相机类型、肤色、光照条件）、伪掩膜可能难以精确捕捉某些复杂病变边界、多阶段设计增加了计算负载且非端到端结构带来时间成本。尽管如此，该框架在诊断准确性和模型透明度方面均作出显著贡献，为PoxData数据集的后续研究提供了参考基准，并为AI辅助皮肤病变分析提供了一种统一的、可解释的高性能解决方案。研究结论部分总结：所提出的深度学习框架集成分割辅助ROI提取、变换器学习、元启发式优化与XAI可解释组件，在病毒性皮肤病变自动分类中实现了高精度、临床可靠性与计算效率的均衡。未来工作将致力于在真实临床环境中测试模型、扩充数据多样性，并开发适用于移动设备的轻量化版本。
