ディープラーニングによる皮膚がん分類：系統的レビュー

皮膚がんは世界で最も危険な疾患の一つです。早期に皮膚病変を正確に分類することは、正確な疾患診断を提供することで臨床的意思決定を支援し、がんが転移する前に治癒の可能性を高めることができます。しかし、自動的な皮膚がん分類の実現は困難です。理由は、学習に使用される皮膚疾患画像の大多数が不均衡かつ不足しているためであり、同時にモデルのクロスドメイン適応性と頑健性も重要な課題となっています。最近、多くのディープラーニングベースの方法が、これらの問題を解決し満足のいく結果を達成するために皮膚がん分類で広く用いられています。しかしながら、これらの最前線の問題を含む皮膚がん分類のレビューはまだ少ないです。そこで本稿では、皮膚がん分類の最新のディープラーニングアルゴリズムの包括的な概観を提供します。まず、3種類の皮膚画像の概要を示し、次に皮膚がんに関連する公開データセットの一覧を紹介します。その後、典型的な畳み込みニューラルネットワークの皮膚がん分類への成功例をレビューします。本論文のハイライトとして、データ不均衡、データ不足、ドメイン適応、モデルの頑健性、モデル効率性などのいくつかの最前線の問題と対応する解決策を皮膚がん分類タスクにおいてまとめます。最後に、これらの最前線の課題を解決する異なるディープラーニングベースの方法をまとめることで、これらのアプローチの一般的な発展方向は構造化、軽量化、マルチモーダルであると結論づけます。さらに、読者の便宜のために、我々の知見を図表にまとめています。ディープラーニングの普及が進む中で、今後も多くの課題を克服する必要があり、追求すべき機会も多くあります。