25、低成本易访问的皮肤癌检测器设计

低成本易访问的皮肤癌检测器设计

1. 引言

黑色素瘤是一种皮肤癌，其产生色素的细胞生长异常，导致皮肤颜色改变。早期发现并进行必要干预，可以阻止这种癌症扩散到附近组织和身体其他部位。不同阶段的皮肤癌及其存活率各不相同。在疾病的第一阶段，皮肤颜色的任何变化都应由医生进行身体检查，皮肤颜色有助于对黑色素瘤进行分类。然而，黑色素瘤的诊断需要专业知识，因为自然皮肤具有相似的物理特征。因此，皮肤科医生唯一的选择是进行一种称为活检的实验室医学程序，活检有助于确定皮肤肿瘤是良性还是恶性，但这种检测费用昂贵且指导原则非常严格。所以，人们一直在寻找早期检测方法，以便进行快速便捷的筛查。可以通过图像处理技术处理皮肤的皮肤镜图像来进行黑色素瘤的初步筛查。本文将使用简化复杂度的卷积神经网络对皮肤肿瘤的彩色图像进行训练，以将肿瘤分类为是否为黑色素瘤。

目标如下：
- 本地和离线部署 ：Doctor Hazel使用机器学习并采用英特尔的云计算服务，它需要高达192GB的RAM和至强处理器，能提供接近85%的实时检测准确率，但对于本地和离线部署来说，无法提供这些资源。自动分类器应作为医生的辅助工具而非取代医生，因此一个稍低准确率（较少假阴性）但能本地部署的轻量级模型就足够了。这种轻量级模型可以在处理能力和RAM较低的普通计算机上本地运行，复杂度的降低还有助于减少延迟，使其可用于本地迁移学习。
- 消除定制硬件要求 ：英特尔的实现使用了昂贵的定制硬件，如UP板和Movidius神经计算棒。我们的目标是消除这些定制硬件，将模型部署在任何硬件设置上，如树莓派。通用化硬件和软件的主要优点是确保在全球范围内，即使是最偏远的乡村诊所和医院也能轻松访