一种用于可信赖皮肤病变分类的安全可解释混合CNN-Transformer框架

《Computational Biology and Chemistry》:A secure and explainable hybrid CNN-transformer framework for trustworthy skin lesion classification

【字体: 大 中 小 】 时间:2026年10月22日 来源:Computational Biology and Chemistry 3.4

编辑推荐:

   •可信人工智能框架:引入一个全面的端到端框架,集成高性能深度学习模型与私有许可区块链,以确保自动皮肤病学筛查具有不可篡改的审计轨迹。 •多阶段预处理流水线:应用黑帽形态学滤波去除毛发,限制对比度自适应直方图均衡化(CLAHE)进行照明校正,以及 U-Net 自动分割以隔离感兴

  

•可信人工智能框架:引入一个全面的端到端框架,集成高性能深度学习模型与私有许可区块链,以确保自动皮肤病学筛查具有不可篡改的审计轨迹。
•多阶段预处理流水线:应用黑帽形态学滤波去除毛发,限制对比度自适应直方图均衡化(CLAHE)进行照明校正,以及 U-Net 自动分割以隔离感兴趣区域并消除低对比度伪影。
•混合多轴注意力骨干网络:采用 MaxViT-ViT 混合架构,辅以空间与通道压缩与激励(scSE)和高效通道注意力(ECA-Net)模块,并结合可学习的广义均值(GeM)池化,以有效捕捉细微的病理细节。
•软投票集成与卓越准确率:将 MaxViT-ViT 混合流与 DenseNet-201 和 EfficientNet-B4 结合进行软投票集成,在 HAM10000 和 ISIC 2019 基准数据集上取得了最先进的性能,准确率为 98.95%,平衡准确率为 98.7%。
•双重可解释性与数据完整性:利用 Grad-CAM 和 SHAP 可解释性套件,验证模型分类是否与临床标记一致,同时利用私有权威证明(PoA)区块链账本,保证诊断生命周期中篡改可证据的记录来源。

引言
皮肤癌仍然是世界上最常见且致命的癌症之一,这凸显了早期检测恶性皮肤病变的临床必要性,同时也引发了对自动化临床决策支持中诊断问责制日益增长的需求。虽然传统的卷积神经网络(CNN)显示出了前景,但近期的研究集中在诊断的计算效率和可解释性这两个联合问题上。
当今文献中的一个主要趋势是创建参数高效的框架,以使高性能模型更适用于临床使用。例如,K?l?? 和 Dogan(2026)提出了一种剪枝后的 Xception 框架,旨在以显著降低的计算开销实现高准确率,这对于实时移动皮肤病学应用至关重要。同样,(Hameed 等人,2026)介绍了"CCNN-SCD",这是一种复合框架,应用特征工程辅助的 CNN 来提高困难皮肤病学场景下的诊断准确率。
除了标准 CNN 外,结合了 CNN 空间特征提取和视觉 Transformer(ViT)全局上下文理解的混合架构也在兴起。Yousaf 等人(2026)表明,混合 Transformer-CNN 框架可以在皮肤病变的分类和分割中产生更好的性能。这通常辅以增强的预处理和分割方法。Alshmrani 等人(2026)研究了放射组学和分水岭分割的结合,以便在分类前更好地隔离病变特征。
数据不平衡是医学数据集中长期存在的问题,某些类型的皮肤癌很少见,这也通过复杂的过采样技术得到缓解。Miah 等人,2026a,Elbedoui 等人,2026 强调了边界 SMOTE 和修剪技术在平衡皮肤镜数据集方面的作用,这有助于避免模型偏向更普遍的皮肤病变。
最后,随着这些模型从实验室向临床环境的过渡,“可解释人工智能”(XAI)成为了焦点。对模型的信任基于模型向临床医生展示其决策过程的透明度。在考虑早期诊断时,可解释性在近期的工作中得到了强调,例如 H. Ali 等人(2026)的集成方法和 Linkon 等人(2026)的基于 Transformer 的分类,它们为模型的预测提供了视觉或统计依据。这些进步共同构成了一种多管齐下的方法,通过效率、平衡数据和透明的混合建模来现代化皮肤癌诊断。
尽管取得了这些进展,但现有的框架并未共同解决临床部署所需的三个关键要求:(i) 捕捉局部纹理和全局上下文的高准确率混合注意力分类;(ii) 供临床医生验证的多方法可解释性;以及 (iii) 可加密验证的数据完整性。先前的工作通常孤立地推进其中一项或两项——提高准确率(K?l?? 和 Dogan, 2026, Hameed 等人,2026, Yousaf 等人,2026),改进分割(Alshmrani 等人,2026),缓解类别不平衡(Elbedoui 等人,2026, Miah 等人,2026a),或提供事后可解释性(H. Ali 等人,2026, Linkon 等人,2026)——而没有统一的流水线来交付所有三项。这一差距激发了我们的框架,它将混合注意力集成、双重可解释性(Grad-CAM 和 SHAP)和私有许可区块链结合成一个可临床部署的系统。
总之,混合多轴注意力集成(O1)、双重 Grad-CAM/SHAP 可解释性套件(O2)以及区块链锚定的审计轨迹(O3)直接解决了上述识别的准确性 - 可解释性 - 完整性差距,构成了一个用于可信、可临床部署的皮肤癌诊断的多轴注意力混合集成与双重可解释性和区块链锚定可审计性的核心。
受这一差距的指引,本研究的具體研究目标如下:
O1:通过混合多轴注意力骨干(带有 scSE/ECA-Net 的 MaxViT–ViT)结合多架构软投票集成,在 HAM10000 和 ISIC 2019 数据集上实现最先进的分类准确率。
O2:提供双方法、临床对齐的可解释性——结合基于梯度的视觉定位(Grad-CAM)和数学上严谨的特征归因(SHAP)——以便模型决策可以与已知的病理标记而不是混杂伪影进行验证。
O3:通过将预测、模型版本和可解释性输出锚定到私有许可权威证明区块链上,保证诊断生命周期中不可篡改、可独立审计的数据来源。
O4:通过专门的预处理和数据平衡阶段,确保生成的流水线在计算上保持高效,并对皮肤镜数据集中固有的类别不平衡和成像伪影具有鲁棒性。
主要贡献总结如下:
•使用许可区块链的隐私感知设计(O3):我们提出了一种去中心化的隐私保护架构,用于管理皮肤镜数据,使用链表账本结构提供数据完整性和可审计性。
•用于局部特征增强的精细化预处理(O4):为了应对 HAM10000 数据集中固有的噪声和照明变化,我们采用了一个稳健的多阶段预处理流水线,包括用于移除毛发伪影的黑帽形态学滤波、限制对比度自适应直方图均衡化(CLAHE)、像素缩放和数据增强。
•用于精确病变分割的 U-Net(O1, O4):我们使用 U-Net 架构精确分割病变,隔离感兴趣区域并在分类前减少背景噪声。
•混合多轴注意力框架(O1):我们的模型建立在 MaxViT–ViT 混合骨干之上,并增加了空间与通道压缩与激励(scSE)和高效通道注意力(ECA-Net)模块,以捕捉局部空间层次和全局上下文依赖,而不是仅依赖注意力模块。
•鲁棒软投票集成框架(O1):我们采用 MaxViT–ViT 混合流(带有 scSE/ECA-Net)、DenseNet-201 和 EfficientNet-B4 的软投票集成,以最大化预测准确率和泛化能力。
•全面模型可解释性(O2):为了保证临床透明度和可信度,我们提供了一套双重可解释性套件,使用 Grad-CAM 进行基于梯度的视觉热图,并使用 SHAP(SHapley Additive exPlanations)进行特征贡献的严谨数学分解。

章节片段
文献综述
基于第 1 节中确定的差距,本综述围绕我们框架针对的三大支柱组织——(A) 准确的混合注意力分类,(B) 临床有意义的可解释性,以及 (C) 可验证的数据完整性——并在每部分之后注明相对于提议系统仍未解决的内容。表 1 显示于此。
数据集描述
使用了包含 10,015 张图像跨七个皮肤病变类别的 HAM10000 数据集(Adebiyi 等人,0000)。这七个类别包括黑色素瘤、黑色素细胞痣、基底细胞癌、日光角化病、良性角化病样病变、皮肤纤维瘤和血管病变。为了解决显著的类别不平衡——特别是黑色素细胞痣的高频率——研究人员应用随机过采样复制少数类样本,并进行像素值归一化以重新缩放。
数据集集成
如第 3.1 节所述,将 ISIC 2019 数据集(25,331 张图像)与 HAM10000 数据集集成,以拓宽可供联邦学习客户使用的皮肤病变形态范围,并将 HAM10000 保留用于初始全局模型权重预训练。本小节详细介绍了在类别平衡(第 IV-D 节)之前应用于组合语料的对比增强预处理。
CLAHE 超参数配置
为了标准化照明并增强皮肤镜特征的可见性,采用了 CLAHE(Naufal 等人,...)
提出的预处理流水线
为了确保基于 Xception 的 CNN 从皮肤镜图像中提取鲁棒的特征,实施了一个多阶段预处理流水线。该流水线通过移除伪影和增强生物标记来标准化输入数据。提出的预处理如图 1 所示。
提出的端到端框架
提出的架构(图 2)由一个针对皮肤病变分析优化的顺序流水线组成,集成到四个阶段的计算流程中:
•预处理:首先,自动去除皮肤镜图像中的毛发,随后进行限制对比度自适应直方图均衡化(CLAHE)和 U-Net 分割以提取感兴趣区域(ROI)。
•特征提取:核心模型是一个混合骨干,具有视觉 Transformer(ViT)(Kashefi 等人,2026)骨干用于全局上下文
MaxViT:多轴视觉 Transformer 骨干
代替传统的 CNN 骨干,该框架采用 MaxViT,这是一种将卷积与多轴自注意力(Max-SA)相结合的混合模型。这允许高效地进行局部和全局空间交互。
提出的集成配置
图 3 显示了一个统一的架构。
为了实现皮肤镜图像的高保真分类,我们实施了一个多阶段架构框架,其特征在于高性能模型的集成和先进的特征聚合技术。提出的集成配置如图 4 所示。
安全与隐私
与仅依赖静态 AES 加密元数据的常规系统不同,后者仅保护静态数据但缺乏医疗法律合规所必需的不可篡改、可独立验证的审计轨迹,我们的框架将整个诊断生命周期锚定到私有许可区块链,确保每个预测、模型版本和可解释性输出都是可加密追踪且篡改可证据的。我们澄清的是,本节中描述的区块链组件是...
超参数搜索策略
最佳模型配置是基于使用随机搜索和手动调整相结合的策略,根据验证性能指标选定的。
•学习率与优化器:我们在范围 [1×10?5,1×10?3] 内搜索初始学习率,并使用 Adam 优化器以 1×10?4 实现最佳收敛。我们使用了余弦退火学习率调度器。
•批大小与正则化:我们尝试了 16、32 和 64 的批大小,并观察到 32 的批大小提供了...
性能评估指标
我们使用广泛的措施来全面评估所提出集成的诊断性能。这些指标旨在评估模型在类别不平衡是多方面重要因素的多类皮肤病变分类问题上的性能。
安全与隐私
提出的系统采用利用链表账本结构的私有许可区块链,以确保临床数据完整性和患者机密性。
•链表账本:每个诊断条目存储为一个区块,其中包含前一个区块的加密哈希值。这种顺序链保证记录不能被更改。如果有人试图未经许可更改历史数据,可以数学上发现。
•受控访问:访问权限仅授予...
安全 AI 部署流水线
部署架构旨在提供从临床采集到诊断推理的无缝过渡,同时保持最高级别的数据安全。
(1) 隐私保护解耦:在摄取层,个人身份信息(PII)与皮肤镜图像解耦。AI 模型永远看不到敏感的个人数据,因为患者身份是使用私有账本上的去中心化标识符(DIDs)管理的。
(2) 元数据安全:临床元数据...
性能评估与比较
为了验证所提出混合模型的有效性,我们与已建立的基线架构进行了严格的性能比较,包括 ResNet-50、DenseNet-201 和标准视觉 Transformer(ViT)。如表 13 所述,所有评估均使用稳健的 5 折交叉验证方案进行,并通过 1000 次 Bootstrap 重采样计算 95% 置信区间以确保统计显著性。
实验结果表明,所提出的混合模型...
可解释人工智能:SHAP 实现
为了解释模型的诊断决策,我们采用了 SHAP(SHapley Additive exPlanations),这是一个根植于联盟博弈论的框架,为特定预测中的每个特征分配一个重要性值。在我们的皮肤癌分类任务背景下,SHAP 将输入图像 x(例如 akiec 样本 ISIC_0026327)的模型输出分解为每个图像像素或超像素效果之和。
SHAP 值 ?i 是通过所有可能的...的加权平均定义的
模型性能演变
分类框架的逐步改进解释如下,强调不同架构和预处理设置的影响:
•初始基线:从头开始训练的浅层 CNN 作为基线,准确率为 75.2%。我们使用没有预训练权重的 ResNet-50 架构进一步将其提高到 82%。
•注意力与集成协同:ECA-NET 模块的集成贡献了边缘但关键的 0.8% 增益。性能...
通过 Grad-CAM 进行的视觉解释
为了可视化我们的卷积神经网络(CNN)的决策过程,我们实施了 Grad-CAM。Grad-CAM 通过使用流入网络最后一个卷积层的梯度信息,识别每个神经元对特定决策的重要性。

这会生成一个粗略的定位图,突出图像中与预测特定概念(例如皮肤癌)相关的重要区域。

通过LIME框架实现可解释性

为确保皮肤癌分类模型的临床有效性,我们采用了LIME(局部可解释模型无关解释)框架。LIME基于局部保真度的原则运作:虽然深度学习模型在全局层面可能过于复杂而无法解释,但在特定输入实例的局部范围内,可以用一个更简单、可解释的模型(如稀疏线性回归器)进行近似。

在皮肤病学图像的背景下(例如样本ISIC_0026327),LIME——

消融研究

• 迁移学习带来巨大差异:最大的性能提升来自迁移学习,准确率提高了18.5%。这意味着模型需要预训练权重才能对数据集中的特征有良好的初步理解。

• 数据预处理的重要性:增加预处理阶段进一步细化了输入数据,稳定地提升了1.4%的性能,使整体性能达到95.1%。

• ECA-NET的效率:添加ECA-NET(高效通道注意力网络)——

结论

本研究提出了一种多轴注意力混合集成方法,结合双重可解释性和基于区块链的审计追踪功能,用于皮肤病变的自动分类,解决了诊断精度、临床透明度和数据完整性的共同挑战。所提出的系统通过整合由MaxViT、视觉变压器(ViT)和scSE组成的混合集成架构,实现了对皮肤镜图像局部纹理和全局空间层级的捕捉能力。

作者贡献声明

Madhab Paul Choudhury:撰写——初稿、可视化、方法论、形式分析、概念构思。Annavarapu Chandra Sekhara Rao:撰写——审阅与编辑、验证、监督、调查。

生成式AI及AI辅助技术在写作过程中的声明

在准备本工作的过程中,作者使用了AI辅助工具(如语言模型)进行语法检查、编辑润色以及协助LaTeX格式的构建。在使用这些工具后,作者对内容进行了审阅和编辑,并对出版物的内容承担全部责任。

资金来源

本研究未获得公共、商业或非营利部门任何基金机构的专项资助。

未引用参考文献

Adebiyi等人(2026),Ayana等人(2024b),Codella等人(2019),Tschandl等人(2018),Wilkinghoff等人(2024)

利益冲突声明

作者声明,他们没有已知的与本文报告的工作相冲突的财务利益或个人关系。

Madhab Paul Choudhury | Annavarapu Chandra Sekhara Rao
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号