皮肤资料整理

数据：
目标：色素性皮肤病（紫癜、黑色素瘤等）

2017nature
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）
127463张图像作为训练集和验证集，1942张作为测试集
分类为700多
网络：Inception v3
【实验结果】本文的分类实际上只针对两种皮肤癌，也就产生了本文的两个任务：角质形成细胞癌（keratinocyte carcinomas）vs 良性脂溢性角化病（benign seborrheic keratoses）；恶性黑色素瘤 vs 普通的痣，在 21 位经过认证的皮肤科医生的监督下，测试了它在活检证实的临床图像上的性能。第一例代表最常见的癌症的识别，第二例代表了最致命的皮肤癌的识别。深度卷积神经网络在这两个任务上的表现都达到了所有测试的专家的水平，证明了该人工智能的皮肤癌鉴定水平达到了媲美皮肤科医生的水平。论文中的测试集用了三种数据，也就是共有三种测试，分别是epidermal lesions(上皮病变），melanocytic lesions(黑素细胞病变）和melanocytic lesions（dermoscopy)（也是黑素病变，只不过采用的是皮肤镜图像），下面高能，图示三种任务，都是二分类的。

定量的评估呢，本文采用敏感性-特异性曲线(AUC)，也就是正样本的召回率-负样本的召回率，后者会随着前者的增大而由1 降为0。上图吧，可以看到，完全超过医生的水平