2017.05.21 08:11*
以下将介绍这一篇学术文章的内容：
Dermatologist-level classification of skin cancer with deep neural networks
中文名： 以深度学习作出皮肤科医生水平的皮肤癌诊断
翻译自： How can AI detect skin cancer with your smartphone
根据统计，中国在2015年有8千人被诊断为皮肤癌，有三千二百人死于皮肤癌。如果在美国的话，皮肤癌的发病率会高一点，平均每五个美国人就会有一个在生命中出现一次皮肤癌。
如果皮肤癌是在波及到淋巴之前被诊断的话，五年存活率可以达到98%。如果是在已经扩散到淋巴组织之后，五年存活率会在18%左右。所以，及时的皮肤癌诊断是非常重要的。
因此，美国每年都会投放很多资源在教育市民大众如何自我检查皮肤癌，当中有些宣传短片也是挺有创意的。
如果手机拍个照就能认出皮肤癌，这样多好
以前的技术瓶颈
相关的技术一直都有人开发，但是就未能成功，原因如下：
训练数据
1. 大部分的皮肤癌图片都是用皮肤镜拍下来的，拍出来的照片跟用手机拍的有很大差别。所以皮肤镜拍下的皮肤癌数据库就不能够用。
2. 其他的皮肤癌图像数据主要是透过组织活检获取的，我们都没可能自己用刀切一块皮下来讓手机拍照检查，所以这类数据也是用不了的。
如果我们想要做出只用手机镜头，什么特殊器具也不用就能检查出皮肤癌的人工智能模型，我们必须先有一个这样，用手机拍下皮肤病灶照片的数据库。
运算法
以组织活检或者皮肤镜所获取的图片都是非常标准化的，如果图片是标准化，电脑系统就比较容易分类。 但是如果是用手机拍照的话，就会有很多可变因素，例如灯光，角度，放大倍数等。 以前的运算发是不能够在这些可变因素影响下准确作出分类。
皮肤镜
组织活检
Andrea Esteva 和研究团队如何攻破以上瓶颈
训练数据
用了一个全新的数据库，内有129450 张经过皮肤科医生诊断的临床照片（跟我们用手机拍差不多的相片）。
运算法
他们用了一种名叫卷积神经网络的神经网络去做图像识别的工作。 这一种卷积神经网络在计算机视觉上有很大优势，能够识别很多图像。
他们用的神经网络是GoogleNet Inception v3 CNN architecture， 是一个非常强大， 已经被一百二十八万张图片训练过的网络。
关于卷积神经网络，有兴趣的可以从这一篇文章中了解一下。
卷积神经网络
成绩： 能和皮肤科医生媲美的91%辨识率
对比项目
辨识系统与21个皮肤科医生对比以下两个项目
1. 分辨皮肤病灶是良性还是恶性
2. 辨认皮肤病灶是否属于皮肤恶性黑色素瘤（最恶性的皮肤癌）
对比成绩
辨识系统在以上两个项目中的表现都比21个皮肤医生的平均水平高。
小结
以上的研究证明了人工智能在某些医学领域例如图像辨识中是有能力比医生优胜的，以上的技术也可以转移到其他放射科或者病理科的应用上，协助医生诊断。
其实人工智能是一大群人合作，海量的数据以及运算技术产生出来的结果，这个系统要在辨识图像这一个项目中胜过一个医生的脑袋其实也是理所当然的。 医护界应该尽量接受人工智能所带来的辅助，讓机器来作诊断有关的东西，讓医生做以病人为本，关心照顾病人的工作。
