An Automated and Interpretable Computer-Aided Approach for Skin Cancer Diagnosis Using Genetic Programming

摘要

恶性黑色素瘤是一种致死率极高的皮肤癌，早期诊断能显著降低死亡率。许多计算机辅助诊断（CAD）系统作为第二诊断意见工具被开发出来，以协助皮肤科医生诊断恶性黑色素瘤。然而，传统CAD系统通常需要领域知识进行特征提取，而基于神经网络的CAD系统需要专业知识设计网络结构且往往可解释性较差。本文提出一种基于遗传规划（GP）的新型皮肤癌CAD系统，能够自动学习有效分类特征并具备强可解释性。该方法通过相对简单的程序结构、新型函数集和终端集，可自动演化变长度模型以提取描述皮肤癌症图像的信息化特征。此外，与其他GP方法相比，本研究采用新提出的重复子树消除机制，能有效避免特征重复，从而简化模型并增强可解释性。所提方法在五个真实皮肤癌分类任务中得到验证，结果表明在多数情况下，其性能优于基于GP的特征学习方法、基于神经网络的特征学习对比方法及传统对比方法。进一步分析表明，该方法采用更精简的树结构，能自动演化/学习具有潜在高可解释性的模型。