A Neuro-Symbolic Fuzzy Rule-based Approach forMelanoma Classification
本文提出了一种神经符号模糊规则框架，该框架将基于深度学习的皮肤镜属性估计与自动提取的临床规则相结合，旨在提高黑色素瘤分类的准确性与可解释性，并优于仅基于图像的深度学习方法。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下你是一名正在试图破解谜题的侦探，但你面对的不是犯罪现场，而是某人皮肤上一个微小且棘手的斑点。这个谜题是什么？这个斑点是一个无害的痣，还是被称为黑色素瘤的危险皮肤癌？长期以来，医生一直是这些侦探，他们利用眼睛和经验来寻找特定的线索，比如奇怪的图案或颜色。但最近，计算机加入了这一行列。这些“深度学习”计算机就像是超快速的扫描仪，能够观察成千上п张图片并发现人类可能错过的模式。然而，这里有一个陷阱：这些超级计算机通常是“黑箱”。它们会给你一个答案，但却无法真正解释为什么它们认为这是危险的。它们只是说：“相信我，这很糟糕。”由于在医学领域，了解“原因”与得到“答案”同样重要，因此这种做法是具有风险的。
为了解决这个问题，科学家们正试图教会计算机像人类医生一样思考，使用一种结合了“神经符号（neuro-symbolic）”逻辑的方法。你可以把“神经（neuro）”理解为计算机从图片中学习的能力（就像学生通过看闪卡学习），而“符号（symbolic）”则是遵循清晰规则的能力（就像学生遵循教科书上的清单）。但皮肤的情况并不总是非黑即白的；一个线索可能是“隐约可见”或“某种程度上缺失”。这就是“模糊逻辑（fuzzy logic）”发挥作用的地方。模糊逻辑不是一个简单的“是或否”开关，它使用了一个“调光开关”，允许一个线索是“50%存在”或“80%存在”。这篇论文讲述了如何构建一种新型的侦探，它结合了图像扫描计算机的“超强视觉”和医生清晰且可解释的规则，并利用模糊的调光开关来处理皮肤癌诊断中的灰色地带。
研究人员 Mohamed Amine Ibrahimi 和 Umberto Straccia 着手构建了这个混合型侦探系统。他们首先收集了两个不同的皮肤图片和笔记（称为 PH2 和 Derm7pt 数据集），并将它们合并成一个统一的大型库。他们确保了笔记中的“线索”——例如“色素网（pigment network）”或“蓝白色面纱（blue-whitish veil）”——在两组数据中的描述方式是一致的。然后，他们训练了一个强大的计算机模型（称为 EfficientNet-B3）来观察皮肤图片，并猜测每个线索的强度。计算机并没有简单地说“色素网：有”，而是给出了一个 0 到 1 之间的分数，就像一个调光开关，展示了该线索的可见程度。
接着，他们将这些模糊分数输入到一个自动从数据中提取的规则集中。这些规则就像医生可能会使用的简单的“如果-那么（If-Then）”语句。例如，一条规则可能是：“如果蓝白色面纱不存在 且 色素网不存在，那么它很可能不是黑色素瘤。”但由于这些线索是模糊的（调光开关形式），计算机使用特殊的数学运算（称为模糊算子）来组合这些分数。他们测试了不同的数学组合方式，比如“Hamacher”方法，它就像是一个线索的平滑混合器。
团队发现，这种“混搭”方法比仅仅观察图片的效果更好。当他们在“现实世界”场景下进行测试时（即计算机必须仅凭图片本身来猜测线索，而没有医生的笔记辅助），表现最好的设置是一种“后期融合（late fusion）”策略。这就像有两个侦探：一个负责观察图片，另一个负责检查规则手册。然后由一个“老板”来综合他们的意见。研究发现，当使用特定的权重（即图像部分占最终决策的 60%）将基于图像的猜测与基于规则的猜测相结合时，该系统的黑色素瘤识别能力显著提升。准确率从仅靠图像侦探的约 81.8% 跳升到了团队协作下的 86.7%。
有趣的是，论文还表明，即使在训练计算机时使用了完美的医生笔记，使用这种“后期融合”方法来结合其“图像视觉”与“模糊规则”依然能获得最佳表现。仅靠模糊推理部分（没有图像计算机辅助）的表现也相当出色，达到了约 85.9% 的准确率，这证明了规则本身是非常强大的。然而，作者谨慎地指出，这只是基于他们针对这两个特定数据集进行的测试所给出的建议，而这些数据集规模相对较小。他们并不声称已经永久解决了皮肤癌诊断问题。相反，他们建议，通过将这些清晰的模糊规则添加到深度学习中，可以使计算机变得更聪明、更值得信赖。研究结论是，虽然他们的新方法很有前景，但在能够完全信任其应用于真实医院之前，还需要在更大规模、更多样化的患者群体中进行测试。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。