《表2 多分类问题下模型的测试结果（训练集和测试集均为白色皮肤图像）》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《皮肤颜色对黑色素瘤检测中深度学习算法性能的影响研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

注：MEL为黑色素瘤，NV为黑素细胞痣，BCC为基底细胞癌，AK为光化性角化病，BKL为良性角化病，DF为皮肤纤维瘤，VASC为血管病变，SCC为鳞状细胞癌，UNK为未知类别。

训练集和测试集均为白色皮肤图像、训练集和测试集均为黄色皮肤图像以及训练集为白色皮肤图像而测试集为黄色皮肤图像时九分类问题的测试结果见表2～4，ROC曲线如图3所示。由表2、3可以看出，在训练模型、超参数、样本数量以及数据增强方法相同的前提下，训练集和测试集为相同颜色皮肤图像时，各项评价指标的均值相差较小。由表3、4可以看出，在模型和参数相同的前提下，使用同样的黄色皮肤图像为测试集，模型训练集为白色皮肤图像与训练集为黄色皮肤图像相比，平均敏感度下降了约5%，平均精度下降了约3%。由图3(a）、（b）可以看出，测试集和训练集来自相同颜色皮肤图像时，ROC曲线相差不大；由图3(b）、（c）可以看出，测试集和训练集具有不同颜色皮肤图像时，ROC的AUC值总体呈下降趋势。因此，对于九分类问题，与二分类问题类似，训练样本与测试样本皮肤颜色不同时，模型的分类性能显著下降。