计算机科学与探索

作者：蒋润泽, 刘静, 马金刚, 郭振, 李明

单位：1. 山东中医药大学 医学信息工程学院，济南 2503552. 山东中医药大学 研究生处，济南 250355

关键词：黑色素瘤,深度学习,卷积神经网络,Transformer,迁移学习

基金：国家自然科学基金面上项目（82174528）；山东省研究生教育优质课程和教学资源库建设项目（SDYKC20047，SDYAL2022041）；教育部产学合作协同育人项目（220606121142949）。

黑色素瘤作为皮肤癌中最具致命性的类型，其早期准确诊断对提高患者生存率至关重要。近年来，深度学习技术在黑色素瘤分类诊断领域展现出巨大潜力，为临床诊断提供了新的技术支撑。系统回顾了深度学习在黑色素瘤分类中的研究进展，重点关注卷积神经网络、Transformer、生成对抗网络和循环神经网络等核心方法的技术演进及其临床应用。归纳了HAM10000、ISIC、PH2等权威数据集的特性及其在算法开发中的价值，详细分析了不同数据集的预处理方法和增强策略，为模型训练提供了高质量的数据基础；深入分析了不同深度学习模型的改进策略，包括网络架构优化、多模态特征融合及数据不平衡处理等；还探讨了迁移学习、集成学习等多元学习策略在提升模型性能中的作用。总结了当前技术的局限性，并对未来研究方向进行了展望，重点包括多模态大模型、联邦学习及轻量化技术的应用前景。

来源：2025年第10期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2025年第10期