《Array》:AI-Driven Dermatological Diagnostics: A Systematic Review of Machine and Deep Learning Methods for Skin Disease Classification
皮肤疾病是全球范围内最为常见的医学状况之一,涵盖从轻度障碍到危及生命的恶性肿瘤。由于视觉变异性高且临床症状相互重叠,其准确诊断仍具挑战性。本系统综述覆盖了2018年至2025年间发表的研究,评估了计算机视觉(Computer Vision, CV)、机器学习(Machine Learning, ML)、深度学习(Deep Learning, DL)、迁移学习(Transfer Learning, TL)以及混合方法在皮肤病理疾病分类中的应用。综述专门聚焦于基于图像(单模态)的人工智能系统进行皮肤病学诊断。主要依赖文本临床记录、电子健康记录或多模态图像与非成像数据融合的研究不在本综述范围内。研究共分析了84篇同行评审文献,重点关注数据集、模型架构、验证技术及报告结果。本综述遵循PRISMA(Preferred Reporting Items for Systematic Reviews and Meta-Analyses)指南,在多个主要科学数据库中进行了系统检索。研究经过筛选、质量评估及系统综合。研究结果表明,卷积神经网络(Convolutional Neural Networks, CNNs)占主导地位。轻量级架构,包括MobileNet和EfficientNet及其变体,频繁被报告在较低计算复杂度下实现具有竞争力的准确率,支持其在资源受限临床环境中的应用。迁移学习和混合方法进一步提升了跨多样化数据集的适应性和鲁棒性。尽管结果令人鼓舞,数据集多样性、不同肤色间的公平性以及有限临床验证等挑战依然存在。这些发现强调了负责任且考虑部署场景的人工智能设计对于支持准确、高效且公平的皮肤病学决策支持系统的重要性。
1. 引言
皮肤疾病是影响全球19亿人的重大健康问题,占据各年龄段伤残损失寿命年(Years Lived with Disability, YLDs)的显著比例。可靠的皮肤病学诊断仍然困难,原因在于高额的类内与类间视觉混淆,以及专家视觉判断带来的主观因素和观察者间分歧。患者数量增长与训练有素皮肤科医师短缺之间的矛盾,尤其在资源有限环境中,进一步加剧了这些挑战。这促使基于计算机视觉的人工智能系统作为可扩展诊断辅助工具受到广泛关注。皮肤疾病是最常见的疾患之一,不受年龄或种族限制,可由细菌、真菌、病毒、免疫系统缺陷、过敏原、刺激物、遗传倾向及直接接触传染等因素导致。症状和严重程度各异,可能表现为痤疮、皮疹、痣或疣,可为短期或慢性、传染性或无痛性。部分由环境或暂时因素引起,另一些则为遗传性。皮肤疾病范围从无害问题到威胁生命的疾病,某些可能是更严重健康状况的征兆,在特定情况下可导致皮肤癌。因此,及早检测这些状况对于防止其进展和扩散至关重要。然而,诊断和治疗皮肤疾病耗时且对患者造成经济和身体负担。
皮肤病变通常可通过异常颜色或质地识别,但由于与多种疾病临床表现重叠,难以实现精确诊断。例如,某些良性病变如黑素细胞痣可因颜色相似而酷似基底细胞癌(Basal Cell Carcinoma, BCC);皮肤纤维瘤可能因结节形状和表面质地相当而模拟恶性隆突性皮肤纤维肉瘤;脂溢性角化病与黑色素瘤可能共享深色、不规则的色素沉着,使临床鉴别复杂化。这种相似性造成临床意见的不确定性和主观性,对经验较少的眼科医师尤其如此,因而迫切需要计算机化人工智能诊断工具来提供精确客观的意见。
基于皮肤疾病在外观、病因和严重程度方面的复杂性与变异性,对准确高效诊断系统的需求日益受到重视。传统诊断方法可能具有主观性、耗时且在某些地区不可获得。计算技术,特别是人工智能和计算机视觉机制,正在彻底改变皮肤病学诊断领域。这些技术不仅复制人类诊断能力,还提高准确性、降低诊断成本并实现护理点的实时分析。计算机视觉专注于创建使计算机理解、处理和分析图像或视频以执行目标识别、图像分类、分割和场景重建的算法。在医学影像中,计算机视觉通过实现自动化图像分类、分割和异常检测,在皮肤病学诊断中发挥关键作用。
计算机视觉在皮肤病学中的应用近期受到研究人员的显著关注,这得益于深度学习方法的快速进步。深度学习提供高效、节省成本和时间的医学应用方法。卷积神经网络是已被证明对图像分析有效的深度学习技术之一,由多层组成,对输入数据应用卷积滤波器,实现图像层次特征的自动提取。CNN结构研究可追溯至1970年代末,当时Fukushima(1980)首次引入CNNs;Lo等(1995)首次将CNN框架应用于医学图像分析。
近年来,研究人员和科学家利用ML、DL或混合技术创建皮肤病理疾病分类的方法、模型和工具。本研究旨在进行系统综述(Systematic Review, SR),总结当前学术工作中提出的技术、数据集、验证策略和架构,以提高诊断准确性和有效性。本系统综述主要步骤包括:制定研究问题、确定纳入和排除标准、检索电子数据库、筛选研究、提取数据和综合发现。研究回答了四个研究问题(Research Questions, RQs):RQ1聚焦于2018年至2025年间皮肤疾病分类研究中的方法论趋势;RQ2关注所使用的数据集及其主要特征;RQ3涉及验证方法和评估指标的应用;RQ4探讨轻量级架构特别是MobileNet及其变体在诊断准确率和计算效率方面与其他深度学习架构的比较表现。
2. 术语与定义
本部分解释了本系统综述中使用的主要术语和定义。皮肤病学疾病指影响皮肤的疾病,从痤疮、皮疹等轻度障碍到黑色素瘤等严重疾病,可能由遗传、环境或感染因素引起,构成重大全球健康负担。机器学习是人工智能的子集,使系统能够从数据中学习模式并在没有明确编程的情况下随时间提高性能,传统ML技术如支持向量机(Support Vector Machine, SVM)和随机森林(Random Forest, RF)最初用于皮肤疾病分类,严重依赖手工特征。深度学习是ML的专门分支,使用多层神经网络自动从输入数据中提取特征,在医学图像分析包括皮肤疾病分类中已证明非常有效。混合模型结合两种或更多技术以改进准确性和泛化,例如CNN用于特征提取而ML分类器执行最终分类。卷积神经网络是专为照片设计的深度学习专门架构,利用卷积滤波器学习层次图像特征,是皮肤学图像分类中应用最广泛的证明。MobileNet是为移动和低资源环境设计的轻量级CNN架构,以较低计算需求实现良好诊断准确性,适用于皮肤疾病的实时分类。迁移学习指将已在大型数据集(如ImageNet)上预训练的模型适应新领域,是具有成本效益的方法,尤其在标注医学数据集较小时能获得更好结果。轻量级架构指旨在实现计算复杂度与准确性平衡深度学习模型,包括MobileNet、EfficientNet和SqueezeNet等,用于在临床和移动应用中部署基于人工智能的诊断工具。
3. 方法
本部分呈现用于进行皮肤病理疾病分类深度学习方法系统综述的研究方法论,包含搜索策略、研究选择、数据提取和结果分析四个主要阶段。
3.1 搜索策略
本系统综述按照PRISMA 2020指南执行,在七个电子数据库进行了详细文献检索:IEEE Xplore、PubMed、MDPI、ScienceDirect、SpringerLink、ACM Digital Library和Google Scholar。检索于2025年4月14日至2025年10月25日间进行,覆盖2018年1月至2025年10月发表的研究。采用基于概念的布尔搜索策略,涉及三个基本要素:皮肤病学状况、人工智能方法和基于图像的分析。使用布尔运算符(AND/OR)最大化覆盖范围和相关性,并通过数据库特定筛选器限定为英文同行评审出版物。搜索过程从探索性基于关键词的查询开始识别领域常用术语,随后应用结构化布尔组合精炼结果。搜索词结合了与皮肤病学状况、人工智能技术和成像语境相关的概念。应用筛选器将结果限定为2018年1月至2025年10月间发表的英文同行评审出版物。
3.2 研究选择
研究选择采用两阶段筛选。第一阶段通过标题和摘要筛选过滤掉明显与皮肤病理疾病分类无关或使用非基于图像人工智能方法的研究。第二阶段使用预定义的纳入排除标准对全文文章进行资格筛选。筛选阶段的不一致性通过讨论解决以减少选择偏倚。从数据库搜索共识别287条记录,去除重复后剩余270条进行筛选,其中161篇全文文章评估资格。排除原因包括:非人类皮肤病理疾病分类、综述或调查文章、缺乏定量性能指标、非基于图像的方法、超出定义方法学范围的研究。最终84项研究纳入系统综述。
3.3 纳入和排除标准
纳入标准包括:同行评审期刊文章和会议论文、英文出版物、2018年至2025年发表的研究、使用人工智能方法进行皮肤病理疾病分类的研究、报告定量评估指标的研究、以及仅使用图像皮肤病学数据集作为首要输入模态的研究。排除标准包括:非英文出版物、2018年前发表的文章、与皮肤病理疾病分类无关的研究、书籍、学位论文和非同行评审作品、缺乏定量评估的研究、以及主要基于多模态数据融合方法的研究。
3.4 数据提取与综合
数据提取过程涉及对选定文章的系统审查以捕获与本研究相关的关键信息,包括:方法论途径、作者和出版年份、所用数据集(名称、大小和来源)、疾病类别数量、应用的模型架构或分类器,以及报告的性能指标和任何陈述的局限性。此外,性能表中还包括两个方法学指标:外部验证(是/否)和数据泄漏防护措施(是/否/未报告)。外部验证定义为在训练过程中未使用的单独数据集上评估模型;数据泄漏防护措施指报告使用特定策略避免训练集和测试集之间的数据重叠。
3.5 质量评估
为确保系统综述的可靠性和有效性,对纳入研究的质量评估方法论进行了仔细评估。每篇选定文章根据搜索策略部分描述的资格标准进行评估,主要考虑以下方面:同行评审出版物、研究设计的清晰度、性能指标的报告、可重复性以及与研究范围的相关性。
3.6 纳入研究的方法学质量评价
由于纳入研究在设计、数据集和评估设置方面差异显著,未统一应用单一正式偏倚风险工具,而是进行结构化方法学质量评估以评估纳入基于图像人工智能研究的可靠性和可解释性。评估考虑数据集代表性和多样性、注释和参考标准清晰度、预处理和模型开发透明度、验证严谨性以及性能报告的完整性。热图展示了各评估研究在五个关键方法学领域的表现。大多数研究中较暗单元格的总体模式突出了综述中识别的反复出现的问题,如数据集不平衡、肤色多样性有限和缺乏外部验证。这些发现应成为未来研究加强证据基础的优先事项。
4. 结果
4.1 研究特征
综述研究明确分为三类任务:分类、分割和检测,严格在每种任务类别内使用适当的评估指标讨论性能结果。84篇研究发表于2018年至2025年间,涵盖皮肤病理疾病分类的广泛方法。大多数研究发表于最近五年,反映了在医学影像任务中应用深度学习和轻量级架构如MobileNet的日益增长的兴趣。按地理分布,研究来自多个地区,印度、中国和美国尤为集中,那里有大型皮肤病学数据集和强大的人工智能研究社区;较少但有意义数量的研究来自欧洲和中东,通常依赖公开可用数据集而非本地收集的图像。
4.2 数据集特征
皮肤病学研究中使用了不同的数据集来训练和测试机器学习和深度学习模型。虽然几个数据集公开获取并广泛使用,但其他数据集是机构特定或私有的。主要数据集包括:DermNet(1998年,23,000张图像,23种疾病,临床图像,受限访问)、DermoFit(2013年,1,300张图像,10种疾病,受限访问)、PH
2(2013年,200张图像,3个类别,皮肤镜图像,公开有限)、ISIC Archives(2016-2020年,2,094-33,126张图像,9种疾病,皮肤镜图像,公开)、HAM10000(2018年,10,015张图像,7种疾病,皮肤镜图像,公开)、Xiangya Derm(2019年,107,565张图像,541种疾病,临床图像,公开亚洲队列)、DDI(2022年,656张图像,良性/恶性,临床图像,公开,含Fitzpatrick皮肤类型I-VI标注)、Fitzpatrick17k(2022年,16,577张图像,114个子类,临床图像,公开,含Fitzpatrick I-VI标注)、以及DERM12345(2024年,12,345张图像,40个子类,皮肤镜图像,公开)。
综述研究严重依赖公开可用的皮肤病学数据集,ISIC和HAM10000因可访问性和标准化皮肤镜图像而被最频繁使用。大规模数据集如Xiangya Derm提供广泛的疾病覆盖,但访问限制限制其使用。较小数据集如DermoFit和DDI突出了数据集不平衡和疾病多样性有限的持续挑战。Fitzpatrick17k数据集特别有价值,因其包含不同肤色注释,解决了皮肤病学人工智能研究中公平性和偏见的关切。DERM12345是最新收集之一,使用高分辨率数字相机和皮肤镜在临床监督下捕获,提供多样且临床验证的图像。
4.3 所用模型和技术
分类是机器学习和人工智能中的首要任务,目标是基于皮肤病学分类将医学图像自动分类至预定义类别。分类算法通常分为依赖手工特征和传统统计技术的传统ML分类器,以及自动从原始数据学习层次表示的DL分类器,在基于图像的任务中尤其成功。这些类别进一步扩展至包括结合ML和DL的混合方法,以及利用VGG、Inception和MobileNet等预训练CNN的迁移学习方法。
4.3.1 机器学习分类器
皮肤疾病分类的初始研究主要使用传统ML分类器,包括SVM、k近邻(k-Nearest Neighbour, k-NN)、随机森林、朴素贝叶斯(Naive Bayes, NB)和人工神经网络(Artificial Neural Network, ANN),结合手工工程特征如颜色、纹理和形状。研究表明,LDA使用颜色特征达到82.58%准确率,SVM使用纹理特征表现最佳;KNN和RF在包含21,075张图像的十类数据集上分别实现95.23%和94.22%的高性能;集成模型达到97.33%的准确率。SVM在DermNet数据集上实现90.7%的最高准确率,动态图割结合朴素贝叶斯分类器实现91%-94.3%的准确率。
这些研究表明传统ML模型对皮肤疾病分类具有能力,但ML分类器仍需要密集的特征工程,与DL模型相比通常表现出有限的泛化能力。
4.3.2 深度学习分类器
深度学习是快速发展的人工智能分支,能够高速分析数据。作为使用多层神经网络分析数据的ML类型,深度学习尤其是CNN已成为皮肤疾病分类和诊断的高效方法,在提高医疗技术速度和准确性方面显示出重大潜力。CNN擅长从复杂图像中自动提取层次特征,这对区分视觉上相似的皮肤状况至关重要。多种知名CNN架构和定制模型已被采用和增强用于此目的。
常见CNN架构方面,ResNet和VGG16已广泛应用于皮肤疾病分类。修改的ResNet50架构结合额外全连接层和Dropout正则化,对八种皮肤疾病分类达到98.93%的准确率;VGG16在多类癌症检测中实现92.8%的准确率。MobileNet作为适合移动应用的轻量级CNN架构,实现有竞争力的准确率(经轻微修改高达88%);增强变体如MobileNetV2结合长短期记忆网络(Long Short-Term Memory, LSTM)以及MobileNet-RseSK在HAM10000等皮肤病学数据集上改进了性能。SqueezeNet作为优先保证准确率同时显著减少参数量的轻量级模型,其修改版本在HAM10000数据集上实现97.04%的准确率。
DL分类器特别是基于CNN的架构,在各种皮肤病学数据集上展示出强劲性能。经典模型如ResNet50和VGG16在多类分类任务中实现超过90%的准确率。轻量级CNN如MobileNet及其修改版本产生85%-95%的有竞争力结果,同时保持较低计算需求。EfficientNet和修改ResNet50等高级架构在特定数据集上达到接近99%的峰值准确率,展示架构优化和微调的影响。然而,性能因数据集大小和多样性而显著变化:小型或机构特定数据集导致较低泛化能力,而HAM10000和ISIC等大型数据集使模型能达到最先进的性能。
4.3.3 迁移学习分类器
迁移学习依赖在大型数据集(如ImageNet)上的预训练程序,然后微调以适应新任务的具体需求。预训练模型的顶层被替换为新层,并在新数据集上针对所需任务重复训练过程,使原本为解决一个问题训练的模型能够处理不同问题,帮助模型更快学习并减少计算量。
VGG架构(VGG16、VGG19)广泛使用,在ImageNet上训练时对1000个图像类别分类达到92.7%的准确率。VGG16在皮肤病学疾病诊断中表现良好,微调后实现82%-90.1%的准确率。ResNet架构因深度残差连接减少梯度消失问题并实现高效特征提取,在皮肤病学图像分类中表现高性能,ResNet50在HAM10000数据集上实现91.71%的准确率。MobileNet架构(MobileNetV2、MobileNetV3-Small、NASNetMobile)因轻量且易于部署在资源受限设备如智能手机上,近期在皮肤病学图像分类中获得高人气,实现83%-97.78%的竞争力结果。
迁移学习模型在皮肤病理疾病分类中证明有效,尤其在数据集有限时。VGG16和VGG19持续实现高性能,ResNet50展示跨不同数据集的可靠性能,MobileNet系列确认其作为适合移动应用的轻量高效模型的价值。结合TL和混合方法如MobileNet和VGG16,进一步提高准确率至93.75%,表明整合多个预训练模型增强泛化。
4.3.4 混合分类器
混合分类器通过结合互补模型提高诊断准确性和增强泛化能力而获得日益增加的关注。例如,整合VGG16和MobileNet的混合深度学习模型在Kaggle数据集的八类疾病上实现94.5%的显著准确率;结合VGG16、MobileNet和InceptionV3的混合CNN模型在九类分类中达到77.77%准确率;合并DenseNet121和EfficientNetB0的混合模型在19类大型自定义数据集上实现98.18%准确率;将ResNet50、Xception和VGG16与传统ML分类器结合提高诊断准确性,Xception基于特征提取实现90.9%准确率。
更近期研究通过整合架构和注意力机制扩展了混合策略。CHASHNIt(复合EfficientNetB7、DenseNet201和InceptionResNetV2)在19,500张图像23类皮肤疾病上训练实现97.8%准确率;ConvNeXt-ST-AFF结合ConvNeXt和Swin Transformer与注意力特征融合(Attentional Feature Fusion, AFF)和高效通道注意力(Efficient Channel Attention, ECA)模块,在私人痤疮数据集和ISIC 2019上实现92.16%准确率;自适应联邦学习模型结合CNN在ISIC 2019数据集上实现95.6%准确率。
这些研究确认混合模型在皮肤病学中作用日益增强,表明多种架构的组合能增强鲁棒性、改进特征提取并在不同数据集和成像条件下转移更可靠的皮肤疾病分类结果。
5. 讨论
本系统综述的发现与人工智能在医学图像分析中应用的更广泛文献紧密一致,同时突出了皮肤病学中的一些独特进展。早期调查如Litjens等确立了深度学习技术对广泛医学影像任务的潜力。当前综述结果确认这些总体趋势已转化为皮肤病学,其中CNN已成为自动化诊断系统的基础。与先前研究相似,CNN持续优于传统机器学习方法,减少对手工特征的依赖并在多样化数据集上展示更高准确率。
与先前文献相比,本综述既强调连续性也强调创新性。连续性体现在对CNN架构的依赖和大型数据集的使用以提高分类准确率;创新性在于轻量级和混合模型的采用、迁移学习的整合,以及对效率、可及性和公平性等实际部署问题的增加关注。这些发现表明皮肤病学人工智能研究正从概念验证研究转向可扩展的、临床相关的解决方案。
针对四个研究问题:方法论趋势方面,从传统ML技术和手工特征向深度学习CNN、迁移学习和混合模型的转变已充分记录。数据集方面,大多数研究使用公开可访问的皮肤镜和临床存储库作为基准,但存在关于性能差距的公平性关切,大多数基准数据集仍以图像为中心,限制临床可解释性和现实世界诊断鲁棒性。验证技术方面,大多数出版物在训练/验证/测试分割或k折交叉验证内评估准确率为主要指标,同时使用F1分数、灵敏度/特异度和AUC处理不平衡和少数类检测。轻量级架构性能方面,轻CNN在大幅降低计算能力的同时保持令人印象深刻的准确率,MobileNet及其变体在不同数据集上实现85%至97.78%的准确率,其他紧凑设计如SqueezeNet在保持参数极简的同时实现出色结果,而ResNet、VGG和EfficientNet等更重骨干在某些基准上达到更高性能但计算成本更高。
6. 结论
本综述收集的证据表明深度学习在皮肤病理疾病分类方面取得了相当进展,尤其是轻量级架构。未来研究需要优先解决数据集多样性、临床验证和实际应用方面的差距。数据集扩展到包含更多类别平衡和代表性不同肤色对于系统的公平性和算法偏见至关重要。现有模型虽然在受控研究环境中表现强劲,但大多数在临床实践中部署有限。未来工作应包括前瞻性研究以及在多样化临床工作流中测试模型,以评估可靠性、可用性和伦理影响。实现准确率和效率之间的最佳平衡是未来研究的另一重点,MobileNet、EfficientNet和SqueezeNet等轻量级模型已证明能以较低计算需求实现高准确率,这对移动和护理点情况尤为理想。这些创新可降低诊断相关成本、使专业皮肤病学服务更广泛可及,并促进危险状况如黑色素瘤的早期检测。总体而言,基于人工智能的模型,尤其是轻量级CNN架构,代表了皮肤病学诊断的变革性机遇,通过增强诊断准确性、降低成本和扩大可及性,这些技术可以补充临床专业知识并支持及时、可靠和可扩展的医疗保健服务。