基于Self-Attention StyleGAN的皮肤癌图像生成与分类

赵 宸，帅仁俊，马 力，刘文佳，吴梦麟

1.南京工业大学 计算机科学与技术学院，南京211816

2.南京市卫生信息中心，南京210003

3.南京医科大学附属常州第二人民医院，江苏 常州213003

与其他类型的癌症相比，皮肤癌的高发病率使之成为了世界上最严重的健康问题之一[1]。近五十年来，全世界黑色素瘤的发病率在急剧上升。对于黑色素瘤患者来说，五年以内生存率为95%，而晚期则只有15%，这种非常显著的差异突出了及时地识别并发现黑色素瘤对于患者维持生命的重要性。因此，及时发现皮肤癌是降低皮肤癌发病率的关键因素[2]。

皮肤镜是一种用来消除皮肤表面反射的成像技术。当表面反射被消除时，深层皮肤癌病变的可视化得到增强[3]。这种技术与标准摄影相比可以产生较高的诊断准确率。为了改善皮肤癌病变疾病的诊断效果，在临床中引入了皮肤镜检查以协助皮肤科医生进行诊断[4]。但在临床医学中，医生对于皮肤镜的病变图像（尤其是黑色素瘤）的肉眼识别率存在一定的误差，而且对于黑色素瘤的识别要求医生有一定的技术与经验。皮肤癌病变识别的容错率较低，误识别会对患者产生非常严重的后果[5]。

随着计算机技术的迅速发展，人工智能和深度学习技术得到了广泛的应用，尤其是在图像处理方面取得了很大的进步，深度卷积神经网络（DCNNS）能够精确地检测、分割识别医学图像中的区域与对象[6]。深度学习技术在医学临床应用越来越广泛，不仅仅是模式识别领域中的图像分类，在图像生成方面也达到了很好的效果[7-8]。……