Questo articolo presenta un framework basato su CNN interpretabile per la classificazione delle lesioni cutanee che combina un'elevata accuratezza diagnostica con l'interpretabilità del modello. Esso classifica le immagini delle lesioni e genera spiegazioni visive per le sue previsioni. I risultati dimostrano prestazioni elevate e una maggiore trasparenza, sostenendo il processo decisionale clinico e assistendo i dermatologi nel rilevamento precoce delle malattie della pelle.
Articolo di ricerca
Un framework assistito dal computer spiegabile per la classificazione delle lesioni cutanee mediante deep learning
In questo articolo
Sommario
Abstract
L'utilizzo di reti neurali profonde convoluzionali ai fini della diagnosi di malattie della pelle si è dimostrato in grado di raggiungere livelli di accuratezza simili a quelli ottenuti dai dermatologi in diversi studi. Tuttavia, permangono numerose sfide, tra cui il sottoutilizzo e una scarsa generalizzazione in alcuni casi, oltre a una bassa interpretabilità legata all'uso di modelli a scatola nera. Ciò crea ostacoli significativi per l'implementazione pratica, poiché è richiesta non solo una diagnosi accurata, ma anche una spiegazione chiara, rendendo necessario trovare una soluzione. Per superare le difficoltà menzionate, in questo studio è stato sviluppato un framework di apprendimento profondo interpretabile per la classificazione delle lesioni cutanee (EDLF-SLC). Il framework utilizza diverse metodologie di apprendimento automatico e di intelligenza artificiale interpretabile (XAI) per garantire miglioramenti sia in termini di accuratezza che di interpretabilità, seguendo un approccio in tre fasi. Nella prima fase, le rappresentazioni profonde estratte da diverse architetture di CNN preaddestrate vengono fuse al fine di preservare informazioni discriminative complementari apprese da diverse architetture di rete, prima della classificazione mediante un SVM con kernel a funzione di base radiale. Successivamente, classificatori Support Vector Machine (SVM) con kernel a funzione di base radiale vengono utilizzati per classificare le caratteristiche ottenute. Infine, le previsioni effettuate dal modello vengono interpretate attraverso spiegazioni locali interpretabili indipendenti dal modello (LIME). I risultati sperimentali mostrano che EDLF-SLC raggiunge un'accuratezza dell'88,0%, una precisione dell'89,0%, un richiamo dell'87,0% e un punteggio F1 dell'88,0%, dimostrando prestazioni competitive rispetto a diversi metodi recentemente riportati nelle condizioni sperimentali considerate in questo studio.
Introduzione
Le lesioni cutanee rappresentano un problema importante in dermatologia e oncologia poiché possono variare da anomalie benigne a tumori maligni come il melanoma, la forma più letale di cancro della pelle. Nel 2020, il melanoma ha causato circa 325.000 nuovi casi e oltre 57.000 decessi in tutto il mondo1. Sebbene i progressi nella diagnosi precoce e nel trattamento abbiano migliorato l'esito per i pazienti, la diagnosi ritardata e l'accesso limitato alle cure sanitarie continuano a contribuire all'elevata mortalità e alla perdita di anni di vita, in particolare tra le popolazioni più giovani2,3.
La diagnosi tradizionale si basa principalmente sull'esame visivo e sulla dermatoscopia, rendendo il processo dipendente dall'esperienza dei clinici e soggetto a variabilità inter-osservatore, biopsie non necessarie e tempi di esame prolungati4,5,6. Per affrontare questi limiti, l'apprendimento profondo, in particolare le CNN, si è affermato come una soluzione efficace per la classificazione automatizzata delle lesioni cutanee. I modelli basati su CNN, inclusi DDCNN-F7, YOLOv7-XAI8 e diverse altre architetture9,10,11,12,13, hanno dimostrato un'elevata accuratezza diagnostica apprendendo automaticamente caratteristiche discriminanti delle immagini. Nonostante i loro successi, la maggior parte dei modelli di apprendimento profondo funziona come una "scatola nera", limitando la fiducia dei clinici e ostacolando l'adozione nella pratica medica di routine. Di conseguenza, sono state introdotte tecniche di intelligenza artificiale spiegabile per migliorare la trasparenza del modello fornendo spiegazioni visive delle previsioni. Tra questi metodi, le Spiegazioni Locali Interpretabili Indipendenti dal Modello generano spiegazioni locali interpretabili identificando le regioni dell'immagine che influenzano maggiormente le decisioni del modello14.
La classificazione delle lesioni cutanee è evoluta dalla valutazione clinica tradizionale a sistemi diagnostici avanzati basati sull'intelligenza artificiale, spinta dalla necessità di una rilevazione accurata, affidabile e precoce del cancro della pelle. Questa evoluzione ha attraversato cinque fasi principali—metodi diagnostici tradizionali, diagnosi assistita da computer (CAD), apprendimento automatico (ML), apprendimento profondo (DL) e, più recentemente, intelligenza artificiale interpretabile (XAI) e apprendimento federato (FL)—riflettendo gli sforzi continui volti a migliorare l'accuratezza diagnostica, la coerenza, la scalabilità e l'affidabilità clinica, superando al contempo i limiti dell'esame convenzionale. I primi metodi computazionali cercavano di emulare il ragionamento clinico attraverso descrittori d'immagine progettati manualmente derivati dalla regola ABCD, inclusi asimmetria, irregolarità del bordo, variazione del colore e diametro della lesione. Queste caratteristiche venivano combinate con reti bayesiane, alberi decisionali, sistemi esperti e modelli di inferenza sfumata per supportare la diagnosi del melanoma, con diversi studi che riportavano accuratezze di classificazione superiori al 90%15,16,17. Nonostante abbiano fornito una base importante per la diagnosi assistita da computer, questi metodi dipendevano interamente da caratteristiche progettate manualmente e da regole diagnostiche predefinite. Di conseguenza, mostravano una robustezza limitata rispetto alle variazioni nella qualità delle immagini, nella morfologia delle lesioni, nell'illuminazione e nelle condizioni di acquisizione.
Per affrontare queste carenze, i sistemi classici di CAD emersero come passo intermedio tra l'analisi tradizionale delle immagini e le moderne architetture basate sull'intelligenza artificiale. I sistemi CAD combinavano l'estrazione manuale di caratteristiche con classificatori convenzionali per migliorare la coerenza diagnostica e supportare il processo decisionale clinico. Diversi approcci ibridi integrarono il clustering gerarchico con reti neurali ricorrenti e architetture a memoria a lungo e breve termine, raggiungendo accuratezze di classificazione prossime al 99,5%18. Altri framework basati su CAD incorporarono classificatori a potenziamento del gradiente con spiegazioni basate su SHAP, dimostrando un'accuratezza diagnostica competitiva pur migliorando la trasparenza del modello19. Sebbene questi sistemi rappresentassero un notevole miglioramento rispetto agli approcci puramente basati su regole, continuarono a dipendere fortemente dall'estrazione manuale di caratteristiche, da un'ampia pre-elaborazione, da dataset accuratamente annotati e da pipeline di elaborazione multistadio.
Le tecniche di apprendimento automatico hanno ulteriormente avanzato la classificazione automatizzata delle lesioni cutanee consentendo un apprendimento basato sui dati piuttosto che la progettazione esplicita di regole. Framework ibridi che combinano reti neurali convoluzionali con classificatori tradizionali di machine learning, tra cui regressione logistica e k-nearest neighbors, hanno dimostrato prestazioni elevate nella classificazione su dataset di riferimento, raggiungendo accuratezze superiori al 95%9. L'apprendimento multimodale auto-sorvegliato ha ulteriormente migliorato la rappresentazione delle caratteristiche sfruttando congiuntamente immagini dermoscopiche e cliniche, riducendo così la dipendenza da annotazioni manuali estese e migliorando al contempo le prestazioni di classificazione20. Altri studi hanno combinato CNN con analisi discriminante generalizzata, descrittori SURF e algoritmi di ottimizzazione per migliorare la discriminazione delle caratteristiche e l'accuratezza della classificazione21. Tecniche di selezione automatica delle caratteristiche che impiegano DenseNet-201, InceptionV3 e algoritmi di ottimizzazione ad albero binario hanno ulteriormente potenziato la rappresentazione delle caratteristiche mantenendo prestazioni diagnostiche competitive22. Approcci di transfer learning che utilizzano architetture pre-addestrate come AlexNet e GoogLeNet hanno mostrato anch'essi capacità promettenti di classificazione, nonostante una quantità limitata di dati di addestramento23. Tuttavia, la maggior parte dei metodi di ML continua a dipendere da procedure di pre-elaborazione accuratamente progettate, strategie di ottimizzazione manuali, dataset bilanciati ed estesi aggiustamenti degli iperparametri. La loro limitata validazione esterna e la sensibilità allo sbilanciamento delle classi hanno ulteriormente limitato l'applicabilità pratica in contesti clinici diversificati.
L'introduzione del DL ha trasformato in modo fondamentale la classificazione automatica delle lesioni cutanee, consentendo un apprendimento end-to-end diretto dai dati grezzi delle immagini. Le CNN hanno eliminato la necessità di un'ingegnerizzazione manuale delle caratteristiche, migliorando sostanzialmente le prestazioni diagnostiche su diversi dataset di riferimento. La maggior parte degli approcci basati su CNN ha dimostrato significativi miglioramenti nella classificazione delle lesioni attraverso architetture sempre più sofisticate. Modelli CNN sensibili alla simmetria hanno esplorato caratteristiche delle lesioni clinicamente rilevanti, ma hanno raggiunto solo una moderata accuratezza bilanciata24. Altri hanno integrato architetture EfficientNet con spiegazioni LIME e SHAP per migliorare l'interpretabilità, introducendo al contempo misure quantitative di affidabilità25. Sistemi ibridi di DL che combinano segmentazione delle lesioni, apprendimento in ensemble e CNN hanno ottenuto ottime prestazioni su diversi dataset ISIC, ma sono rimasti sensibili alla qualità della segmentazione e allo sbilanciamento delle classi26.
Più di recente, architetture ibride sempre più sofisticate hanno ulteriormente migliorato l'accuratezza della classificazione integrando tecniche complementari di apprendimento profondo. Reti avversarie generative condizionali combinate con YOLOv5 e analisi delle componenti indipendenti hanno raggiunto accuratezze di classificazione superiori al 99%, sebbene la loro complessità computazionale ne abbia limitato il deployment pratico 27. Analogamente, architetture ibride LSTM–ResNet hanno imparato efficacemente rappresentazioni spaziotemporali, ma hanno richiesto risorse computazionali notevolmente maggiori28. Modelli basati su trasformatori, inclusi Sap-Former, hanno sfruttato informazioni contestuali globali per potenziare la rappresentazione delle caratteristiche, ma hanno richiesto un preprocessing esteso, dataset annotati su larga scala e una notevole potenza computazionale29. Alternative leggere come S-MobileNet hanno cercato di bilanciare efficienza computazionale e accuratezza diagnostica30, mentre metodi di adattamento di dominio non supervisionati hanno migliorato la generalizzazione cross-dominio, nonostante una ridotta efficacia quando erano disponibili solo campioni di addestramento limitati31. Reti ibride potenziate dall'attenzione, che incorporano moduli di attenzione convoluzionali modificati e apprendimento con ensemble a istantanea, hanno mostrato prestazioni promettenti nella classificazione delle lesioni cutanee da vaiolo delle scimmie, anche se rimangono irrisolte sfide legate allo sbilanciamento delle classi, alla diversità delle immagini e alla limitata spiegabilità32. Architetture residue personalizzate, che impiegano progettazioni di reti più profonde e funzioni di perdita ibride, hanno ulteriormente migliorato l'accuratezza di classificazione oltre il 99%, ma con un sovraccarico computazionale e tempi di addestramento considerevolmente maggiori33. Studi di revisione esaustivi hanno concluso in modo coerente che l'apprendimento profondo supera sostanzialmente gli approcci tradizionali basati su caratteristiche manuali, imparando automaticamente rappresentazioni discriminative delle immagini, identificando al contempo sfide persistenti legate ad artefatti di imaging, variabilità dell'illuminazione, complessità computazionale e limitata generalizzazione clinica34.
Sebbene l'apprendimento profondo (DL) abbia notevolmente migliorato l'accuratezza diagnostica, le preoccupazioni riguardo alla trasparenza del modello, alla stima dell'incertezza e al suo utilizzo clinico affidabile hanno stimolato un crescente interesse verso l'XAI e l'apprendimento federato. Diversi studi hanno esaminato tecniche di quantificazione dell'incertezza, tra cui la previsione conforme, il dropout Monte Carlo e l'apprendimento profondo basato su evidenze, dimostrando che una stima affidabile della confidenza può migliorare in modo sostanziale il supporto decisionale, nonostante imponga vincoli aggiuntivi in termini computazionali e di dati35. Sono stati inoltre proposti framework basati su trasformatori per l'apprendimento collaborativo, volti a risolvere il problema dello sbilanciamento delle classi migliorando al contempo l'efficienza dell'apprendimento delle caratteristiche36. Altri approcci hanno combinato reti convoluzionali a risoluzione completa con tecniche di ottimizzazione basate su grafi per migliorare la segmentazione e la classificazione delle lesioni37, mentre framework ibridi di apprendimento profondo che integrano rappresentazioni di caratteristiche complementari hanno raggiunto accuratezze di classificazione prossime al 99,5%, sebbene richiedano un'ampia pre-elaborazione38.
Ricerche recenti si sono concentrate sempre di più sull'integrazione dell'interpretabilità direttamente nei framework di apprendimento profondo (DL) per aumentare la fiducia dei clinici e facilitare l'adozione clinica pratica. Sistemi interpretabili che impiegano diverse architetture di reti neurali convoluzionali insieme a Grad-CAM e Score-CAM hanno localizzato con successo le regioni delle lesioni clinicamente rilevanti mantenendo allo stesso tempo prestazioni competitive nella classificazione su dataset interni ed esterni39. Framework ibridi CNN–Transformer che combinano immagini dermoscopiche con metadati clinici hanno ulteriormente migliorato le prestazioni predittive utilizzando allo stesso tempo SHAP e Grad-CAM per generare spiegazioni visive clinicamente significative40. Altre architetture ibride basate su transformer, che integrano EfficientNetV2S, Swin Transformer, reti Xception modificate e meccanismi di attenzione su grafi, hanno catturato efficacemente caratteristiche complementari globali e locali delle lesioni, sebbene il loro elevato numero di parametri e le prestazioni limitate nelle classi minoritarie ne abbiano ostacolato il deployment pratico41. Analogamente, framework ibridi YOLOv8–Vision Transformer hanno dimostrato un miglioramento nella localizzazione delle lesioni, nella classificazione multiclasse e nell'interpretabilità visiva grazie a un'augmentazione adattiva unita a spiegazioni basate su SHAP e Grad-CAM; tuttavia, questi metodi continuano a basarsi principalmente su dataset di riferimento e mostrano robustezza limitata per le categorie di lesioni minoritarie42. Diversi articoli di revisione hanno riassunto questi sviluppi, sottolineando sia i notevoli progressi ottenuti dalle moderne tecniche di deep learning sia le sfide persistenti legate all'efficienza computazionale, all'interpretabilità, alla dipendenza dai dataset e alla validazione clinica43,44,45. Tabella 1 riporta un riepilogo di alcuni studi recentemente pubblicati che utilizzano algoritmi di deep learning per la classificazione delle lesioni cutanee.
Nonostante i notevoli progressi ottenuti dai recenti metodi di apprendimento profondo nella classificazione delle lesioni cutanee, la maggior parte degli approcci esistenti rimane limitata da un'elevata complessità computazionale, dalla dipendenza da grandi insiemi di dati annotati, da una limitata interpretabilità del modello e da una validazione insufficiente in diversi contesti clinici reali. Per superare questi limiti, questo articolo propone il framework EDLF-SLC, che integra caratteristiche complementari estratte da diverse architetture CNN con un classificatore SVM per una classificazione robusta e accurata. Il framework impiega inoltre un preprocessing avanzato per migliorare la qualità delle immagini e affrontare lo squilibrio tra le classi, integrando al contempo la tecnica LIME per fornire spiegazioni visive delle singole previsioni, aumentando così la trasparenza del modello e l'affidabilità clinica.
I contributi di questo studio sono triplici. In primo luogo, gli autori propongono un framework robusto, EDLF-SLC, che integra reti neurali convoluzionali avanzate (CNN) con un classificatore basato sulle macchine a vettori di supporto (SVM) per ottenere una classificazione precisa e affidabile delle lesioni cutanee. In secondo luogo, gli autori implementano tecniche avanzate di pre-elaborazione per affrontare lo squilibrio tra classi e ridurre il rumore nelle immagini, migliorando così la qualità delle immagini in ingresso e le prestazioni complessive del modello di classificazione. In terzo luogo, gli autori integrano il metodo Local Interpretable Model-agnostic Explanations (LIME) per visualizzare e interpretare le singole previsioni del modello, evidenziando le regioni dell'immagine che influenzano maggiormente le decisioni di classificazione, aumentando così la trasparenza e l'interpretabilità del framework proposto.
Protocollo
Questo studio non ha previsto il reclutamento di partecipanti umani né la raccolta di dati identificabili provenienti da pazienti. Tutti gli esperimenti sono stati condotti utilizzando il dataset pubblico di lesioni cutanee ISIC 2020 ottenuto dal repository Kaggle; pertanto, non è stata richiesta l'approvazione del comitato etico istituzionale né il consenso informato. Tutti i materiali utilizzati in questo studio sono riportati nella Tabella dei materiali.
Estrazione e fusione delle caratteristiche
Le immagini delle lesioni cutanee sono state elaborate mediante l'utilizzo di più modelli CNN preaddestrati. I vettori di caratteristiche profonde estratti dalle architetture CNN preaddestrate selezionate vengono concatenati per costruire una rappresentazione unificata delle caratteristiche per ciascuna immagine di lesione cutanea. La strategia di fusione adottata preserva le informazioni visive complementari apprese da diverse architetture CNN, consentendo al classificatore SVM successivo di sfruttare sia caratteristiche testurali di basso livello sia rappresentazioni semantiche di livello superiore. Sebbene tecniche di riduzione della dimensionalità, come l'analisi delle componenti principali o la selezione delle caratteristiche basata sull'informazione mutua, possano ridurre la dimensionalità delle caratteristiche, la rappresentazione fusa completa è stata intenzionalmente mantenuta poiché lo spazio delle caratteristiche fuse rimane computazionalmente trattabile per il classificatore RBF-SVM impiegato, preservando al contempo le informazioni diagnostiche complementari estratte dai diversi modelli CNN di base.
Classificazione
I vettori caratteristici fusi sono stati utilizzati per addestrare un classificatore SVM con un kernel RBF. Sono state impiegate tecniche di ottimizzazione degli iperparametri per determinare le impostazioni ottimali di classificazione. Il classificatore ha quindi categorizzato le lesioni cutanee nelle rispettive classi.
Spiegabilità
Per migliorare l'interpretabilità, è stato applicato LIME per generare spiegazioni visive che evidenziano le regioni dell'immagine che contribuiscono in modo più significativo ai risultati della classificazione. Queste spiegazioni aiuterebbero i clinici a comprendere e validare le decisioni del modello.
Piano di valutazione
Il framework proposto è stato valutato utilizzando un dataset di riferimento di lesioni cutanee. Le prestazioni sono state valutate mediante Accuracy, Precision, Recall e F1-Score. Sono stati condotti esperimenti comparativi rispetto ad approcci esistenti di machine learning e deep learning per dimostrare l'efficacia del framework proposto.
Risultati previsti
Si prevedeva che lo studio producesse un sistema di classificazione delle lesioni cutanee accurato e interpretabile. I risultati sperimentali preliminari indicano che EDLF-SLC raggiunge un'accuratezza dell'88,0%, una precisione del 89,0%, un richiamo (recall) dell'87,0% e un punteggio F1 dell'88,0%, superando diversi metodi concorrenti. Si prevedeva che l'integrazione di spiegazioni LIME aumentasse l'affidabilità e facilitasse l'adozione di sistemi diagnostici assistiti da intelligenza artificiale nella pratica clinica.
Significato
Questa ricerca contribuisce al crescente campo dell'intelligenza artificiale sanitaria interpretabile affrontando contemporaneamente le sfide relative alle prestazioni e alla trasparenza nella diagnosi delle lesioni cutanee. Il framework proposto potrebbe supportare i dermatologi nel formulare decisioni diagnostiche più affidabili e interpretabili, migliorando così l'assistenza ai pazienti. Inoltre, in questa sezione, gli autori forniscono informazioni sui materiali e sulla metodologia applicata nello studio. In particolare, gli autori iniziano descrivendo il dataset utilizzato negli esperimenti, per poi passare a una discussione dettagliata del Framework di Apprendimento Profondo Interpretabile per la Classificazione delle Lesioni Cutanee.
Set di dati
Il lavoro presentato si basa sul set di dati pubblicamente disponibile ISIC 2020 (International Skin Imaging Collaboration), accessibile sul sito web di Kaggle (https://www.kaggle.com/datasets/fanconic/skin-cancer-malignant-vs-benign). Il repository ISIC è riconosciuto come una delle migliori risorse nel campo dell'imaging dermatologico, poiché fornisce una vasta gamma di immagini dermatoscopiche di diversi tipi di lesioni cutanee, come mostrato in Figura 1. In particolare, il set di dati include immagini sia di condizioni benigne che maligne, rendendolo utile per eseguire compiti di classificazione binaria per il cancro della pelle 46. Il set di dati attuale comprende 3.297 immagini, di cui 1.800 sono benigne e 1.497 maligne. Per esperimenti più efficienti, i dati sono stati suddivisi in un insieme di addestramento e un insieme di test. In particolare, ci sono 2.637 immagini di addestramento, comprese 1.440 benigne e 1.197 maligne, mentre l'insieme di test è costituito da 660 immagini, di cui 360 sono benigne e 300 maligne. Un riepilogo del set di dati è mostrato in Tabella 2.
Il modello EDLF-SLC proposto
In questo articolo viene proposta una soluzione efficiente e comprensibile per classificare le lesioni cutanee in categorie benigne e maligne, utilizzando una nuova tecnica di apprendimento profondo interpretabile basata su un approccio ibrido che combina i vantaggi di più modelli di rete neurale convoluzionale preaddestrati. Le reti neurali convoluzionali si sono dimostrate altamente efficaci nell'estrarre caratteristiche semantiche di alto livello da immagini mediche. Sfruttando questa capacità, il framework di apprendimento profondo interpretabile proposto per la classificazione delle lesioni cutanee (EDLF-SLC) sfrutta più modelli CNN preaddestrati per ottenere prestazioni superiori. Per garantire la necessaria trasparenza del processo decisionale medico, nell'approccio proposto è stato adottato LIME al fine di generare spiegazioni locali comprensibili all'uomo per i risultati ottenuti. L'intero framework può essere suddiviso in tre fasi principali, illustrate in Figura 2, ossia: (1) preelaborazione dei dati, (2) estrazione delle caratteristiche e classificazione, e (3) interpretabilità.
Architettura del modello e integrazione
Come passo preliminare, sono stati selezionati e valutati separatamente su un dataset di validazione sette modelli popolari di apprendimento profondo (MobileNetV2, ResNet50, EfficientNetB0, Xception, InceptionResNetV2, NASNetLarge e MobileNet), scegliendo i quattro modelli più efficaci (ResNet50, EfficientNetB0, MobileNet e Xception) per la fase di estrazione delle caratteristiche. Nel framework proposto, ogni immagine in ingresso x viene elaborata in modo indipendente attraverso i modelli preaddestrati selezionati. L'ultimo strato completamente connesso è stato rimosso da ciascuno di questi modelli, e i vettori di caratteristiche sono stati ottenuti dai livelli precedenti. fResNet50(x), fEfficientNetB0(x), fMobileNet(x) e fXception(x) indicano i vettori di caratteristiche in uscita da ciascuno dei modelli sopra menzionati. Concatenando tali vettori di caratteristiche, si ottiene un nuovo vettore di caratteristiche aggregato F(xi):
F(xi) = [f(ResNet50)(xi);f(EfficientNetB0)(xi);f(MobileNet)(xi);f(Xception)(xi)] (1)
Successivamente, F(xi) è stato elaborato da un classificatore SVM con un kernel a funzione base radiale (RBF) per ottenere il risultato della classificazione. L'intero algoritmo del framework proposto è presentato nel Supplementary File 1.
Il framework proposto adotta una fusione diretta a livello di caratteristiche poiché ciascuna architettura CNN preaddestrata cattura caratteristiche discriminative diverse delle lesioni cutanee attraverso la propria architettura di rete distinta e gerarchia di caratteristiche appresa. Di conseguenza, concatenando queste rappresentazioni eterogenee di caratteristiche si preserva un'informazione complementare che contribuisce a una caratterizzazione più completa della lesione prima della classificazione. Sebbene tecniche di riduzione della dimensionalità come l'analisi delle componenti principali (PCA) o la selezione delle caratteristiche basata sull'informazione mutua possano ridurre la dimensionalità della rappresentazione fusa, il vettore completo di caratteristiche fuse è stato intenzionalmente mantenuto poiché la sua dimensionalità rimane computazionalmente gestibile per il classificatore RBF-SVM adottato, pur preservando le informazioni diagnostiche complementari estratte dai diversi backbone CNN. Questa progettazione, pertanto, dà priorità al mantenimento delle rappresentazioni profonde complementari piuttosto che all'eliminazione di caratteristiche potenzialmente informative prima della classificazione.
Preparazione dei dati
La preparazione dei dati ha incluso il preelaborazione e la suddivisione del set di dati in insiemi di addestramento e di test. Il preelaborazione ha lo scopo di migliorare la qualità dei dati eliminando incoerenze, rimuovendo elementi duplicati, formattando le immagini di ingresso ed eseguendo la riduzione delle caratteristiche per un addestramento stabile di un buon modello. Tutte le immagini sono state normalizzate all'intervallo [−1, 1] mediante la normalizzazione Z-score:
(2)
dove µ e σ indicano rispettivamente il valore medio e la deviazione standard dell'immagine corrispondente. Il set di dati è stato suddiviso in due sottoinsiemi, ovvero un set di addestramento (70,0%) e un set di test (30,0%).
Aumento dei dati
Per evitare l'overfitting e aumentare la capacità di generalizzazione del modello, sono state applicate alcune tecniche di aumento al set di addestramento. Le tecniche di aumento delle immagini prevedono la modifica delle immagini al fine di espandere artificialmente il dataset senza alterare le caratteristiche essenziali delle condizioni mediche. La pipeline di aumento è stata realizzata utilizzando l'API Sequenziale di Keras. Sono state impiegate trasformazioni come inversione orizzontale casuale, rotazione entro un angolo ridotto, ridimensionamento, scalatura, regolazione di luminosità/contrasto, zoom e alcuni piccoli spostamenti. Esempi rappresentativi di immagini aumentate sono illustrati in Figura 3.
Modelli preaddestrati
Diversi modelli di apprendimento profondo preaddestrati sono stati adottati nel framework proposto per estrarre caratteristiche dalle immagini in ingresso. Tali modelli includono MobileNet, ResNet50, EfficientNetB0, Xception, NASNetLarge, Inception-ResNet-v2 e MobileNetV2. MobileNet e MobileNetV2 sono modelli di apprendimento profondo leggeri progettati per calcoli efficienti mediante convoluzioni separabili per profondità. ResNet50 utilizza il meccanismo delle connessioni residue per l'addestramento del modello, evitando così il problema dei gradienti che svaniscono durante l'addestramento. EfficientNetB0 raggiunge un equilibrio tra efficienza e precisione attraverso l'approccio della scalatura composta. Xception estende la rete Inception utilizzando convoluzioni separabili per profondità. NASNetLarge impiega la ricerca di architetture neurali per costruire strutture ottimali di reti neurali profonde, mentre Inception-ResNet-v2 realizza un ibrido tra il modello Inception e il meccanismo delle connessioni residue. I vettori di caratteristiche estratti da ResNet50 (1.024 caratteristiche), EfficientNetB0 (1.280 caratteristiche), MobileNet (1.024 caratteristiche) e Xception (2.048 caratteristiche) vengono concatenati per produrre una rappresentazione unificata di 5.376 dimensioni. Questa strategia di fusione è stata scelta per preservare le rappresentazioni complementari apprese dalle diverse architetture CNN, piuttosto che ridurre la rappresentazione prima della classificazione. Il vettore di caratteristiche risultante viene successivamente fornito al classificatore RBF-SVM, che determina il confine di decisione non lineare ottimale all'interno dello spazio di caratteristiche fuso.
Modello di intelligenza artificiale interpretabile (LIME)
Al fine di fornire un'interpretazione locale delle previsioni del modello, gli autori adottano il metodo di generazione di spiegazioni locali comprensibili all'uomo per ciascuna singola previsione del modello, denominato LIME47. Per ogni immagine in ingresso, LIME la suddivide innanzitutto in unità più piccole chiamate superpixel. Successivamente vengono generate delle perturbazioni a partire dall'immagine originale e vengono stimate le previsioni del modello neurale profondo per ciascuna di queste perturbazioni. Quindi, un modello lineare pesato viene adattato alle perturbazioni utilizzando pesi che dipendono dalla loro vicinanza all'istanza originale di input. Dopo l'adattamento del modello lineare, vengono stimate le misure di importanza delle caratteristiche, che indicano il ruolo di ciascun superpixel nella previsione dell'etichetta finale. Questi punteggi di importanza vengono evidenziati visivamente nell'immagine finale di spiegazione. L'algoritmo LIME è illustrato nel File Supplementare 2.
Risultati
La valutazione delle prestazioni del framework di classificazione sviluppato si basa su misure di valutazione tradizionali derivate dalla matrice di confusione. Una matrice di confusione consente di ottenere una comprensione completa delle prestazioni del classificatore attraverso la rappresentazione del numero di classificazioni corrette e scorrette effettuate per ciascuna classe definita. In questo modo, tutti i tipi di errori possono essere analizzati. Ad esempio, sia i falsi positivi che i falsi negativi sono particolarmente importanti nella diagnosi delle malattie. Valori elevati di falsi positivi possono indicare un'elevata sensibilità del classificatore, ma allo stesso tempo, un'elevata quantità di falsi negativi indica una bassa sensibilità e comporta potenziali rischi per la salute. Le seguenti metriche di prestazione vengono utilizzate in questo articolo: accuratezza, precisione, richiamo (recall), punteggio F1, specificità, tasso di veri positivi (TPR) e tasso di falsi positivi (FPR). Di seguito sono riportate le formule di queste metriche:
Precisione=(VP+VN)/(VP+VN+FP+FN) (3)
Precisione = VP/(VP+FP) (4)
(5)
(6)
(7)
(8)
In questo caso, VP indica il numero di tumori cutanei maligni rilevati dal sistema, mentre VN indica il numero di lesioni benigne. Allo stesso modo, FP rappresenta il numero di decisioni errate in cui le lesioni vengono classificate come maligne nonostante siano in realtà benigne. FN riflette il numero di campioni benigni classificati erroneamente. Per quanto riguarda la classificazione dei tumori della pelle, ridurre al minimo i falsi negativi è estremamente importante a causa degli effetti avversi potenzialmente derivanti da tali errori.
Prestazioni dei modelli di base
Tutti gli esperimenti computazionali sono stati condotti nell'ambiente basato su cloud di Google Colab. Vale la pena notare che questa piattaforma consente di eseguire istanze di macchina virtuale utilizzando un sistema operativo Ubuntu 20.04 predefinito. Per addestrare i modelli di base, sono stati utilizzati Python versione 3.9 e il framework PyTorch versione 2.3.1. Inoltre, tutti i nodi di calcolo avevano specifiche identiche, ovvero una CPU Intel Xeon con una frequenza di 2,2 GHz, una GPU NVIDIA Tesla T4, 16 GB di RAM e una capacità di archiviazione di 70 GB. Pertanto, questa configurazione sperimentale ha permesso di ridurre la variabilità introdotta da diverse piattaforme hardware e di aumentare l'affidabilità e la riproducibilità dei risultati. Un riassunto completo dell'ambiente sperimentale è disponibile in Tabella 3.
Figura 4 mostra le curve di apprendimento corrispondenti a 100 epoche di addestramento per l'architettura ResNet-50. L'addestramento è stato eseguito utilizzando un dataset contenente 2.110 immagini, mentre la dimensione del dataset di validazione era pari a 660 immagini. Come si può osservare, durante l'addestramento l'accuratezza è aumentata costantemente fino a raggiungere quasi il 90,0%. Allo stesso tempo, si è verificato un miglioramento dell'accuratezza nelle prime 50 epoche; dopo questo punto, l'accuratezza è diventata quasi costante, il che può essere considerato un segno di convergenza del modello. Per la validazione, il modello ha mostrato un valore AUC pari all'86,0%, dimostrando così proprietà discriminative ragionevoli.
La matrice di confusione presentata in Figura 5 descrive le prestazioni del modello ResNet-50 in termini di accuratezza nella classificazione per un insieme di test composto da 660 immagini. Durante la valutazione, il modello ha correttamente riconosciuto 310 su 360 campioni benigni e 239 su 300 campioni maligni. Tuttavia, un numero relativamente elevato di campioni maligni è stato classificato in modo errato, determinando un valore relativamente alto di falsi negativi. Questo risultato dovrebbe essere analizzato più approfonditamente a causa delle gravi implicazioni di questo tipo di errore nell'uso pratico del classificatore. In totale, il modello ha raggiunto un'accuratezza del 83,0%, con una precisione dell'83,3%, un richiamo dell'83,3% e un punteggio F1 dell'83,3%.
Tabella 4 contiene una descrizione dettagliata delle caratteristiche prestazionali del modello ResNet-50 in riferimento a entrambe le classi. Il classificatore ha mostrato un comportamento relativamente bilanciato in termini di precisione: per i campioni benigni, il valore era pari all'83,0%, mentre per i campioni maligni la precisione è risultata dell'84,0%. Analogamente, i valori di richiamo (recall) hanno raggiunto l'88,0% per le lesioni benigne e il 78,0% per quelle maligne. Il supporto indicato in tabella rappresenta il numero di campioni corrispondenti a ciascuna classe.
Modello EDLF-SLC proposto
Figura 6 illustra l'AUC di addestramento e di validazione del modello proposto su 300 epoche. La metrica AUC riflette la capacità del modello di distinguere tra classi benigne e maligne, con valori più elevati che indicano prestazioni discriminatorie migliori. Come osservato, l'AUC di addestramento aumenta costantemente durante il processo di apprendimento, raggiungendo un valore massimo di 1.00 all'incirca all'epoca 200. L'AUC di validazione migliora anch'essa progressivamente nelle fasi iniziali dell'addestramento; tuttavia, inizia a stabilizzarsi dopo circa 150 epoche, suggerendo una convergenza del modello. L'AUC finale di validazione pari a 0,95 dimostra una forte capacità di generalizzazione e una efficace separabilità delle classi.
La matrice di confusione del modello proposto, presentata in Figura 7, mostra che il modello ha correttamente classificato 299 campioni benigni e 272 campioni maligni, mentre ha erroneamente classificato 28 casi benigni come maligni e 61 casi maligni come benigni. In totale, il modello ha ottenuto 571 previsioni corrette e 89 errori di classificazione. In particolare, l'elevato numero di falsi negativi (casi maligni classificati erroneamente come benigni) evidenzia un limite critico, poiché tali errori potrebbero avere significative implicazioni cliniche. Tuttavia, la prestazione complessiva nella classificazione rimane robusta. A differenza degli approcci di selezione delle caratteristiche che rimuovono intenzionalmente alcune dimensioni prima della classificazione, il framework proposto preserva l'intera rappresentazione profonda fusa generata da diverse architetture CNN eterogenee. Questa scelta progettuale è stata adottata perché ciascun modello di base estrae caratteristiche complementari della lesione, e mantenere l'intera rappresentazione consente al classificatore SVM di sfruttare l'informazione discriminante combinata senza escludere caratteristiche potenzialmente informative. Di conseguenza, la strategia di fusione delle caratteristiche adottata privilegia l'apprendimento di rappresentazioni complementari mantenendo la fattibilità computazionale.
Figura 8 presenta esempi rappresentativi di risultati di classificazione prodotti dal modello proposto. I risultati dimostrano che il modello assegna punteggi di confidenza elevati alle istanze classificate correttamente. In particolare, i casi benigni mostrano alte probabilità predette (ad esempio, 99,84% e 99,85%), mentre i casi maligni presentano anch'essi livelli di confidenza elevati (ad esempio, 99,98% e 99,96%). Questi risultati indicano che il modello è in grado di distinguere efficacemente tra lesioni benigne e maligne, anche in scenari visivamente complessi. Per migliorare l'interpretabilità, il framework LIME viene utilizzato per generare spiegazioni localizzate delle predizioni del modello, come mostrato in Figura 9A–D. LIME approssima il confine decisionale complesso del modello utilizzando un modello lineare localmente interpretabile. Per ogni immagine in ingresso, il metodo genera campioni perturbati mascherando selettivamente i superpixel e valutando le corrispondenti predizioni. Viene quindi adattato un modello lineare pesato a questi campioni, in cui i pesi sono determinati in base alla vicinanza all'ingresso originale mediante un kernel a funzione base radiale. I coefficienti risultanti rappresentano il contributo di ciascun superpixel alla predizione finale e sono definiti come:
(9)
dove Xj ∈ {0, 1} indica la presenza o l'assenza del j-esimo superpixel, Bj rappresenta il peso di contributo corrispondente e B0 è la previsione di base. Coefficienti positivi (Bj > 0) indicano regioni che contribuiscono alla classe maligna, mentre coefficienti negativi (Bj < 0) corrispondono a caratteristiche benigne. Le visualizzazioni basate su LIME, mostrate in Figura 9B, D, evidenziano le regioni più influenti nel contribuire a ciascuna decisione di classificazione. Per lesioni benigne, il modello enfatizza regioni caratterizzate da pigmentazione uniforme e bordi ben definiti. Al contrario, nei casi maligni, le regioni evidenziate corrispondono a caratteristiche clinicamente significative come bordi irregolari, eterogeneità cromatica e trame atipiche. L'intensità delle regioni evidenziate riflette l'entità dei coefficienti corrispondenti Bj.
Questi risultati dimostrano che il modello EDLF-SLC si concentra su caratteristiche clinicamente significative che sono in linea con criteri dermatologici consolidati, come la regola ABCD. Questa coerenza migliora l'interpretabilità e l'affidabilità del modello, rendendolo più adatto a supportare decisioni cliniche. Inoltre, Figura 10 presenta risultati visivi comparativi ottenuti utilizzando ulteriori tecniche di spiegabilità, tra cui Grad-CAM, HiResCAM, GradCAM++, XGradCAM, LayerCAM, EigenGradCAM ed EigenCAM, ulteriormente confermando la coerenza delle regioni rilevanti identificate attraverso diversi metodi. Per quanto riguarda le prestazioni del modello proposto EDLF-SLC e di sette modelli di base dopo l'addestramento per 100 epoche, un confronto è visibile in Tabella 5. EDLF-SLC ha ottenuto prestazioni competitive pari a 0,88 su ciascuna metrica valutata, rispetto alle architetture di base analizzate nel contesto sperimentale. EfficientNetB0 e ResNet50 hanno ottenuto anch'essi buoni risultati, con accuratezze rispettivamente di 0,85 e 0,83. Al contrario, Inception-ResNetV2 ha mostrato le prestazioni peggiori in termini di classificazione tra i modelli valutati. D'altro canto, nonostante un'accuratezza di classificazione relativamente più bassa, la sua efficienza computazionale è risultata comunque paragonabile a quella dei modelli di base. Il modello proposto EDLF-SLC ha dimostrato prestazioni competitive rispetto ai modelli di base valutati nelle condizioni sperimentali adottate.
Per valutare le prestazioni del framework proposto rispetto agli approcci esistenti, Tabella 6 presenta un confronto con metodi rappresentativi allo stato dell'arte per la classificazione delle lesioni cutanee. Ad esempio47, ha riportato un'accuratezza di 0,86, mentre48 ha utilizzato un modello basato su ensemble che ha raggiunto un'accuratezza simile ma precisione, richiamo e punteggio F1 inferiori. Studi recenti basati sull'apprendimento ensemble e su molteplici architetture CNN25,49 hanno riportato accuratezze fino a 0,87. Nelle condizioni sperimentali adottate, il framework EDLF-SLC proposto ha raggiunto un'accuratezza di 0,88 utilizzando un'architettura unificata interpretabile, senza richiedere componenti aggiuntivi come modelli di segmentazione delle lesioni.
DISPONIBILITÀ DEI DATI
I dati che supportano i risultati di questo studio sono disponibili pubblicamente su Kaggle all'indirizzo https://www.kaggle.com/datasets/fanconic/skin-cancer-malignant-vs-benign.
Figura 1: Immagini dermatoscopiche rappresentative del dataset ISIC che illustrano le due classi diagnostiche utilizzate in questo studio. I campioni sono etichettati come benigni (0) e maligni (1), evidenziando la variabilità nella morfologia, colore e trama delle lesioni all'interno del dataset. Cliccare qui per visualizzare una versione ingrandita di questa figura.
Figura 2: Flusso di lavoro completo del framework EDLF-SLC proposto. Il protocollo inizia con l'acquisizione delle immagini da ISIC 2020, seguita da pre-elaborazione, aumento dei dati, partizionamento del dataset, estrazione di caratteristiche profonde mediante quattro architetture CNN pre-addestrate, fusione delle caratteristiche, classificazione tramite SVM, valutazione delle prestazioni e generazione di spiegazioni basate su LIME. Cliccare qui per visualizzare una versione ingrandita di questa figura.
Figura 3: Esempi di immagini di lesioni cutanee aumentate generate mediante tecniche di aumento dei dati. Queste includono inversione orizzontale e verticale, rotazione, ridimensionamento e regolazione della luminosità. Queste trasformazioni aumentano la diversità del dataset, migliorano la robustezza del modello e riducono il rischio di overfitting durante l'addestramento. Cliccare qui per visualizzare una versione ingrandita di questa figura.
Figura 4: Area sotto la curva caratteristica operativa del ricevitore (ROC-AUC) per il training e la validazione del modello ResNet-50 su 100 epoche di training. La curva blu rappresenta l'AUC del training, mentre la curva arancione rappresenta l'AUC della validazione. Le curve mostrano una rapida convergenza durante le prime epoche di training, seguita da un'ottimizzazione stabile con prestazioni di validazione costantemente elevate, indicando un apprendimento efficace e una generalizzazione soddisfacente sul dataset di validazione. Cliccare qui per visualizzare una versione ingrandita di questa figura.
Figura 5: Matrice di confusione del modello ResNet-50 sul dataset di test. Le righe rappresentano le etichette delle classi reali (0 = benigno, 1 = maligno), mentre le colonne rappresentano le etichette delle classi previste. Gli elementi sulla diagonale indicano i campioni correttamente classificati (310 benigni e 239 maligni), mentre gli elementi fuori dalla diagonale rappresentano i campioni classificati in modo errato, inclusi 50 falsi positivi e 61 falsi negativi. Cliccare qui per visualizzare una versione ingrandita di questa figura.
Figura 6: Curva caratteristica operativa del ricevitore (ROC-AUC) per l'addestramento e la validazione del modello EDLF-SLC proposto su 300 epoche di training. La curva blu rappresenta l'AUC di addestramento, mentre la curva arancione rappresenta l'AUC di validazione. Il modello mostra una rapida convergenza durante le prime epoche di addestramento, seguita da un'ottimizzazione stabile con valori costantemente elevati di AUC per l'addestramento e la validazione nel corso delle epoche rimanenti. La performance sostenuta nella validazione dimostra una buona capacità di generalizzazione e un comportamento di apprendimento stabile del framework EDLF-SLC proposto sul dataset di validazione. Cliccare qui per visualizzare una versione ingrandita di questa figura.
Figura 7: Matrice di confusione del modello EDLF-SLC proposto sul dataset di test. Le righe rappresentano le etichette delle classi reali (0 = benigno, 1 = maligno), mentre le colonne rappresentano le etichette delle classi previste. Gli elementi sulla diagonale indicano i campioni correttamente classificati (299 benigni e 272 maligni), mentre gli elementi fuori diagonale corrispondono ai campioni classificati in modo errato, inclusi 61 falsi positivi e 28 falsi negativi. Cliccare qui per visualizzare una versione ingrandita di questa figura.
Figura 8: Esempi di previsioni generate dal modello EDLF-SLC proposto. Questa figura illustra i livelli di confidenza nella classificazione per lesioni benigne e maligne e dimostra la capacità discriminativa del modello. Cliccare qui per visualizzare una versione ingrandita di questa figura.
Figura 9: Spiegazioni locali basate su LIME del modello EDLF-SLC proposto. La figura evidenzia le regioni di superpixel più influenti nel determinare le decisioni di classificazione del modello. (A) Immagine dermoscopica originale di una lesione cutanea benigna. (B) Spiegazione LIME per la lesione benigna, con superpixel evidenziati che indicano le aree che hanno contribuito maggiormente alla previsione di tipo benigno. (C) Immagine dermoscopica originale di una lesione cutanea maligna. (D) Spiegazione LIME per la lesione maligna, che mostra le regioni discriminative di superpixel che hanno influenzato prevalentemente la classificazione come maligna. I contorni gialli delimitano i superpixel influenti identificati da LIME, mentre le aree grigie rappresentano zone con contributo minimo alla previsione. Cliccare qui per visualizzare una versione ingrandita di questa figura.
Figura 10: Confronto tra metodi di interpretabilità basati sulla mappatura dell'attivazione di classe (CAM) applicati al modello EDLF-SLC proposto. La figura confronta le mappe di localizzazione generate da GradCAM, HiResCAM, GradCAM++, XGradCAM, LayerCAM, EigenGradCAM ed EigenCAM per la stessa immagine dermatoscopica. Il primo pannello mostra l'immagine iniziale di input, seguita dalle corrispondenti mappe di attivazione grezze e dalle sovrapposizioni di mappa termica prodotte da ciascun metodo di interpretabilità. Le visualizzazioni illustrano le differenze nella localizzazione spaziale e mettono in evidenza le regioni dell'immagine che contribuiscono maggiormente alla decisione di classificazione del framework EDLF-SLC proposto. Cliccare qui per visualizzare una versione ingrandita di questa figura.
| Rif. | Anno | Dataset | Dimensione dei dati | Estrazione delle caratteristiche | Metodo | Precisione |
| 9 | 2022 | Dataset HAM10000 | 10015 immagini di lesioni cutanee | Caratteristiche di colore e forma | Algoritmi di ML e modelli di reti neurali convoluzionali | 95,1% |
| 19 | 2023 | Dataset PH2 | 200 immagini annotate | Caratteristiche di asimmetria, striature, punti/globuli, aree di regressione | Modelli di ML | 94,0% |
| 30 | 2024 | Dataset HAM10000 | 10000 immagini | Caratteristiche di colore e forma | S-MobileNet | 97,7% |
| 28 | 2025 | Dataset ISIC2020 e HAM10000 | ISIC2020 (12.670 immagini) e HAM10000 (10.015 immagini) | Colore e forma | Rete residuale-Reti neurali ricorrenti a lungo termine (R-LSTM50) | 95,7% (ISIC2020); 94,2% (HAM10000) |
| 32 | 2026 | Dataset di lesioni cutanee da monkeypox (MSLD) | 770 immagini | Contesto e trama | DenseNet121, Xception, InceptionV3 e CBAM | 88% (DenseNet121) |
| 39 | 2025 | HAM10000 | 38.569 immagini | Contesto e trama | MobileNet, ResNet50, InceptionV3 ed EfficientNet | 93,6% (MobileNet) |
| 40 | 2025 | ISIC 2019 | 2357 immagini | Contesto e spaziale | Apprendimento profondo multimodale basato su CNN-transformer | 98,71% |
| 41 | 2026 | ISIC 2019 | 25.000 immagini | Contesto e trama | TransXV2S | 95,26% |
| 42 | 2025 | HAM10000 | 10.015 immagini | Colore e forma | ViT con YOLOv8 | 93% |
Tabella 1: Confronto con la letteratura. Riepilogo di alcuni lavori pubblicati di recente che utilizzano algoritmi di apprendimento profondo per la classificazione delle lesioni cutanee.
| Dataset | Benigno | Maligno | Totale |
| Dati di addestramento | 1440 | 1197 | 2637 |
| Dati di test | 360 | 300 | 660 |
| Dati totali | 1800 | 1497 | 3297 |
Tabella 2: Distribuzione del dataset. Distribuzione dei campioni benigni e maligni nel dataset ISIC 2020, inclusa la suddivisione in training e testing.
| Componente | Specifica |
| Sistema operativo | Ubuntu 20.04 |
| Linguaggio di programmazione | Python 3.9 |
| Framework di apprendimento profondo | PyTorch 2.3.1 |
| Ottimizzatore | Adam |
| Programmazione del tasso di apprendimento | 1e−3 |
| Numero di epoche | 100/300 |
| CPU | 2 vCPU 2.2 GHz |
| GPU | Tesla T4 (16 GB) × 1 |
| RAM | 16 GB |
| Parametri addestrabili | 2.430.353 (9,27 MB) |
| Parametri non addestrabili | 133.434.397 (509,01 MB) |
Tabella 3: Specifiche del sistema. Specifiche dettagliate dell'ambiente computazionale, inclusi i framework software e le risorse hardware utilizzate per l'addestramento e la valutazione del modello.
| Classe | Precisione | Recupero | Punteggio F1 | Supporto |
| Classe benigna | 0.83 | 0.88 | 0.85 | 360 |
| Classe maligna | 0.84 | 0.78 | 0.81 | 300 |
| Accuratezza | - | - | 0.832 | 660 |
| Media macro | 0.84 | 0.83 | 0.83 | 660 |
| Media pesata | 0.84 | 0.83 | 0.83 | 660 |
Tabella 4: Rapporto di classificazione. Prestazioni di classificazione del modello ResNet-50 sul set di dati di test, compresi precisione, richiamo, punteggio F1 e supporto per ciascuna classe.
| Modello | Precisione | Accuratezza | Richiamo | Punteggio F1 | Tempo (s) |
| NASNetLarge | 0.77 | 0.76 | 0.77 | 0.76 | 2002.47 |
| EfficientNetB0 | 0.85 | 0.85 | 0.85 | 0.85 | 734.8 |
| Xception | 0.8 | 0.81 | 0.8 | 0.8 | 732.23 |
| ResNetV2 | 0.63 | 0.64 | 0.63 | 0.611 | 1072.34 |
| MobileNet | 0.79 | 0.8 | 0.79 | 0.79 | 629.29 |
| MobileNetV2 | 0.77 | 0.79 | 0.77 | 0.77 | 660.5 |
| ResNet50 | 0.83 | 0.83 | 0.83 | 0.83 | 749.77 |
| EDLF-SLC | 0.88 | 0.89 | 0.87 | 0.88 | 3279.77 |
Tabella 5: Confronto delle prestazioni del modello. Confronto delle prestazioni del modello EDLF-SLC proposto e dei modelli di apprendimento profondo di riferimento in termini di accuratezza, precisione, richiamo, punteggio F1 e tempo computazionale.
| Modello | Accuratezza | Precisione | Recupero | Punteggio F1 |
| ResNet-18 [25] | 0.85 | 0.85 | 0.85 | 0.85 |
| ResNet-50 con SVM [50] | 0.87 | 0.88 | 0.98 | 0.93 |
| Modelli DL ibridi + SVM [48] | 0.86 | 0.84 | 0.8 | 0.84 |
| Modelli DL ibridi + SVM [49] | 0.86 | 0.8 | 0.6 | 0.68 |
| EDLF-SLC proposto | 0.88 | 0.89 | 0.87 | 0.88 |
Tabella 6: Metriche di confronto tra modelli. Confronto delle prestazioni tra il framework EDLF-SLC proposto e approcci recenti allo stato dell'arte per la classificazione delle lesioni cutanee.
File Supplementare 1: Algoritmo 1. Flusso di lavoro del framework EDLF-SLC proposto, che illustra la pre-elaborazione dei dati, l'estrazione di caratteristiche profonde mediante l'utilizzo di diverse architetture CNN, la classificazione basata su SVM e l'interpretazione basata su LIME per la previsione delle lesioni cutanee. Cliccare qui per scaricare questo file.
File Supplementare 2: Algoritmo 2. Flusso di lavoro del processo di spiegazione locale basato su LIME, che illustra la generazione di superpixel, il campionamento mediante perturbazione, la costruzione del modello surrogato e la visualizzazione delle regioni dell'immagine che contribuiscono maggiormente alla decisione di classificazione. Cliccare qui per scaricare questo file.
Discussione
Il framework proposto di apprendimento profondo interpretabile per la classificazione delle lesioni cutanee (EDLF-SLC) dimostra che la combinazione di rappresentazioni di caratteristiche profonde complementari con intelligenza artificiale interpretabile può migliorare sia le prestazioni di classificazione sia la trasparenza del modello. Integrando diverse architetture di CNN preaddestrate (ResNet50, EfficientNetB0, MobileNet e Xception) per l'estrazione delle caratteristiche e utilizzando una macchina a vettori di supporto (SVM) per la classificazione finale, il framework sfrutta i punti di forza di diversi estrattori di caratteristiche per generare rappresentazioni delle lesioni più ricche e discriminative rispetto a quelle ottenute da una singola rete base. Inoltre, l'integrazione di spiegazioni locali interpretabili indipendenti dal modello (LIME) fornisce spiegazioni visive localizzate, consentendo ai clinici di comprendere le regioni dell'immagine che contribuiscono maggiormente a ciascuna previsione e aumentando la fiducia nelle decisioni diagnostiche del modello.
I risultati sperimentali dimostrano che EDLF-SLC raggiunge prestazioni competitive rispetto ai modelli CNN di base, tra cui MobileNet, Xception e ResNet50, evidenziando l'efficacia della fusione di caratteristiche complementari e della classificazione basata su SVM. Il confronto con approcci recenti allo stato dell'arte conferma ulteriormente la competitività del framework proposto. Ad esempio, due studi48,49 hanno riportato accuratezze di circa 0,86 utilizzando metodi basati su ensemble, mentre altri framework ibridi CNN-SVM25,50,51,52,53 hanno raggiunto accuratezze fino a 0,87 ma si sono basati su architetture più complesse e su moduli aggiuntivi di pre-elaborazione o segmentazione. Al contrario, il framework proposto raggiunge un'accuratezza di 0,88 utilizzando un'architettura relativamente semplificata, senza richiedere la segmentazione esplicita delle lesioni, fornendo contemporaneamente previsioni interpretabili tramite LIME. Questi risultati indicano che la combinazione di estrattori di caratteristiche CNN complementari prima della classificazione SVM può migliorare le prestazioni diagnostiche mantenendo semplicità e trasparenza architetturale.
Sebbene il framework proposto migliori l'accuratezza e l'interpretabilità della classificazione, questo vantaggio si ottiene a scapito di un costo computazionale aumentato. Il tempo totale di addestramento di EDLF-SLC è di circa 3279,77 s, notevolmente superiore rispetto a quello dei singoli modelli CNN come ResNet50 (749,77 s) e MobileNet (629,29 s). Questo sovraccarico computazionale aggiuntivo deriva dall'addestramento di più CNN preaddestrate e dall'esecuzione della fusione delle caratteristiche prima della classificazione. Un simile compromesso è comunemente osservato negli approcci ibridi e di apprendimento in ensemble, in cui si ottiene una migliore prestazione predittiva al costo di requisiti computazionali più elevati. Tuttavia, nei sistemi di supporto decisionale clinico, l'accuratezza diagnostica, la robustezza e l'affidabilità sono generalmente considerate più importanti dell'efficienza nell'addestramento, poiché influiscono direttamente sugli esiti per il paziente.
Un altro vantaggio importante del framework proposto è la sua spiegabilità. A differenza dei modelli convenzionali di deep learning che spesso funzionano come scatole nere, EDLF-SLC incorpora LIME per fornire spiegazioni visive specifiche per ogni caso del processo di previsione. Queste spiegazioni aiutano i clinici a verificare se il modello si concentra su regioni della lesione clinicamente rilevanti, migliorando così la trasparenza, sostenendo l'interpretazione clinica e facilitando la fiducia nella diagnosi assistita dall'intelligenza artificiale. Di conseguenza, il framework proposto offre un equilibrio pratico tra prestazioni predittive e interpretabilità del modello, rendendolo uno strumento promettente di supporto decisionale computerizzato per la classificazione delle lesioni cutanee.
Nonostante questi risultati incoraggianti, è necessario riconoscere diverse limitazioni. In primo luogo, il framework è stato valutato utilizzando esclusivamente il dataset ISIC disponibile pubblicamente, e la sua capacità di generalizzazione su immagini acquisite in diverse condizioni cliniche, con dispositivi di imaging diversi e su popolazioni di pazienti differenti deve ancora essere convalidata. In secondo luogo, l'uso di molteplici architetture CNN pre-addestrate aumenta inevitabilmente la complessità computazionale e il tempo di addestramento rispetto ai modelli con un singolo backbone. In terzo luogo, sono state adottate impostazioni fisse per gli iperparametri durante tutti gli esperimenti, e un'ulteriore ottimizzazione potrebbe migliorare le prestazioni e l'adattabilità su diversi dataset. Infine, sebbene LIME migliori la trasparenza del modello, le sue spiegazioni sono locali e dipendenti dalle perturbazioni, il che significa che la coerenza delle spiegazioni può variare tra un'esecuzione e l'altra e dovrebbe essere ulteriormente convalidata con esperti di dermatologia prima di un impiego clinico routinario.
Le ricerche future si concentreranno sulla validazione del framework proposto utilizzando diversi dataset di lesioni cutanee su larga scala e multicentrici, sull'ottimizzazione dell'efficienza computazionale mediante tecniche di fusione leggera delle caratteristiche e di compressione del modello, sull'analisi di strategie avanzate di ottimizzazione degli iperparametri e sull'estensione del framework alla classificazione multiclasse delle lesioni cutanee. Inoltre, l'integrazione di ulteriori tecniche di intelligenza artificiale interpretabile e la conduzione di valutazioni cliniche prospettiche con dermatologi rafforzeranno ulteriormente l'affidabilità, l'interpretabilità e l'applicabilità pratica del framework proposto in ambienti clinici reali.
Dichiarazioni
Gli autori dichiarano che non vi è alcun conflitto di interessi.
Ringraziamenti
Gli autori desiderano esprimere la loro sincera gratitudine all'Università di Taif per aver fornito l'ambiente di ricerca e il supporto istituzionale che hanno facilitato il completamento di questo lavoro.
Materiali
| Nome | Azienda | Numero di catalogo | Commenti |
|---|---|---|---|
| Dataset sulle lesioni cutanee ISIC 2020 | Collaborazione internazionale per l'imaging cutaneo (ISIC) | Dataset della competizione ISIC 2020 | Dataset di immagini dermatoscopiche utilizzato per lo sviluppo e la valutazione del modello. |
| Keras | Squadra di Keras | Integrato con TensorFlow | Costruzione e addestramento di modelli di deep learning. |
| LIME (Local Interpretable Model-Agnostic Explanations) | Ribeiro et al. | Pacchetto Python | Generazione di spiegazioni visive locali per le previsioni del modello. |
| Matplotlib | Sviluppatori di Matplotlib | Ultima versione compatibile | Visualizzazione di curve di apprendimento, matrici di confusione e grafici di valutazione. |
| NumPy | Sviluppatori di NumPy | Ultima versione compatibile | Calcoli numerici e manipolazione di array. |
| GPU NVIDIA Tesla T4 | NVIDIA Corporation | 16 GB VRAM | Accelerazione dell'addestramento e dell'inferenza del modello. |
| Pandas | Squadra di sviluppo di Pandas | Ultima versione compatibile | Elaborazione dei dati e gestione dei risultati sperimentali. |
| Modelli CNN pre-addestrati | TensorFlow/Keras Applications | ResNet50, EfficientNetB0, MobileNet, Xception | Estrazione di caratteristiche profonde da immagini dermatoscopiche. |
| Python | Fondazione Python Software | Versione 3.9 | Linguaggio di programmazione utilizzato per l'implementazione. |
| PyTorch | Fondazione PyTorch | Versione 2.3.1 | Framework di deep learning utilizzato per l'estrazione di caratteristiche e l'implementazione del modello. |
| Scikit-learn | Sviluppatori di Scikit-learn | Ultima versione compatibile | Macchina a vettori di supporto (SVM), metriche di valutazione e pre-elaborazione dei dati. |
| Macchina a vettori di supporto (kernel RBF) | Scikit-learn | SVC | Classificazione di rappresentazioni di caratteristiche profonde fuse. |
| TensorFlow | Google LLC | Versione 2.x | Framework di deep learning per l'addestramento e l'inferenza del modello. |
| Sistema operativo Ubuntu | Canonical Ltd. | Ubuntu 20.04 | Ambiente operativo sperimentale. |
Riferimenti
- Chan S, Reddy V, Myers B, Thibodeaux Q, Brown-Stone N, Liao W. Machine learning in dermatology: current applications, opportunities, and limitations. Dermatol Ther (Heidelb). 2020;10:365-386.
- Olsen CM. Global trends in melanoma mortality differ by sex and age. Br J Dermatol. 2020;183(6):985-986.
- Sun Y, Shen Y, Liu Q, Zhang H, Jia L, Chai Y, et al. Global trends in melanoma burden: a comprehensive analysis from the Global Burden of Disease Study, 1990-2021. J Am Acad Dermatol. 2025;92(1):100-107.
- Monika MK, Vignesh NA, Kumari CU, Kumar M, Lydia EL. Skin cancer detection and classification using machine learning. Mater Today Proc. 2020;33:4266-4270.
- Hosny KM, Elshora D, Mohamed ER, Vrochidou E, Papakostas GA. Deep learning and optimization-based methods for skin lesions segmentation: a review. IEEE Access. 2023.
- Baghdadi NA, Farghaly Abdelaliem SM, Malki A, Gad I, Ewis A, Atlam ES. Advanced machine learning techniques for cardiovascular disease early detection and diagnosis. J Big Data. 2023;10(1):144.
- Veeramani N, Jayaraman P, Krishankumar R, Ravichandran KS, Gandomi AH. DDCNN-F: double decker convolutional neural network feature fusion as a medical image classification framework. Sci Rep. 2024;14(1).
- Veeramani N, Jayaraman P. YOLOv7-XAI: multiclass skin lesion diagnosis using explainable artificial intelligence with fair decision making. Int J Imaging Syst Technol. 2024;34(6).
- Shetty B, Fernandes R, Rodrigues AP, Chengoden R, Bhattacharya S, Lakshmanna K. Skin lesion classification of dermoscopic images using machine learning and convolutional neural network. Sci Rep. 2022;12(1):18134.
- Ali AR, Li J, Yang G, O'Shea SJ. A machine learning approach to automatic detection of irregularity in skin lesion border using dermoscopic images. PeerJ Comput Sci. 2020;6:e268.
- Pham TTH, Luu TN, Nguyen TV, Huynh NT, Phan QH, Le TH. Polarimetric imaging combining optical parameters for classification of mice non-melanoma skin cancer tissue using machine learning. Heliyon. 2023;9(11).
- Liu N, Rejeesh M, Sundararaj V, Gunasundari B. ACO-KELM: anti coronavirus optimized kernel-based softplus extreme learning machine for classification of skin cancer. Expert Syst Appl. 2023;232:120719.
- Masud M, Almars AM, Rokaya MB, Meshref H, Gad I, Atlam ES. A novel lightweight convolutional neural network model to predict Alzheimer's disease applying weighted loss function. J Disabil Res. 2024;3(4):20240042.
- Kumar A, Veeraiah V, Gongada TN, Ahamad S, Khan H, Gupta A. Explainable machine learning models for clinical decision support systems. In: 2024 15th International Conference on Computing Communication and Networking Technologies (ICCCNT). Piscataway (NJ): IEEE; 2024. p. 1-6.
- Shahzad K, Wasim M, Pires IM, Garcia NM. Multi-classification of skin lesions using a deep learning-based convolutional neural network. Procedia Comput Sci. 2024;241:588-593.
- Celebi ME, Kingravi HA, Uddin B, Iyatomi H, Aslandogan YA, Stoecker WV, et al. A methodological approach to the classification of dermoscopy images. Comput Med Imaging Graph. 2007;31(6):362-373.
- Li CX, Shen CB, Xue K, Shen X, Jing Y, Wang ZY, et al. Artificial intelligence in dermatology: past, present, and future. Chin Med J (Engl). 2019;132(17):2017-2020.
- Ramprasad M, Nagesh S, Sahith V, Lankalapalli RK. Hierarchical agglomerative clustering based skin lesion detection with region-based neural networks classification. Meas Sens. 2023;29:100865.
- Khater T, Ansari S, Mahmoud S, Hussain A, Tawfik H. Skin cancer classification using explainable artificial intelligence on pre-extracted image features. Intell Syst Appl. 2023;20:200275.
- Wang H, Ahn E, Bi L, Kim J. Self-supervised multi-modality learning for multi-label skin lesion classification. Comput Methods Programs Biomed. 2025;265:108729.
- Thapar P, Rakhra M, Alsaadi M, Quraishi A, Deka A, Naga Ramesh JV. A hybrid grasshopper optimization algorithm for skin lesion segmentation and melanoma classification using deep learning. Healthc Anal. 2024;5:100326.
- Kumar S, Nath VK, Hazarika D. Blend of deep features and binary tree growth algorithm for skin lesion classification. Symmetry (Basel). 2023;15(12):2213.
- Chandrahaas BV, Mohanty SN, Panda SK, et al. An empirical study on classification of monkeypox skin lesion detection. EAI Endorsed Trans Pervasive Health Technol. 2023;9:e4.
- Talavera-Martínez L, Bibiloni P, Giacaman A, Taberner R, de Paz Hernando LJD, González-Hidalgo M. A novel approach for skin lesion symmetry classification with a deep learning model. Comput Biol Med. 2022;145:105450.
- Ieracitano C, Morabito FC, Hussain A, Suffian M, Mammone N. TIXAI: a trustworthiness index for explainable artificial intelligence in skin lesion classification. Neurocomputing. 2025;630:129701.
- Hasan MK, Elahi MTE, Alam MA, Jawad MT, Martí R. DermoExpert: skin lesion classification using a hybrid convolutional neural network through segmentation, transfer learning, and augmentation. Inform Med Unlocked. 2022;28:100819.
- Koparde S, Kotwal J, Deshmukh S, Adsure S, Chaudhari P, Kimbahune V. Conditional generative adversarial networks and YOLOv5 Darknet-based skin lesion localization and classification using an independent component analysis model. Inform Med Unlocked. 2024;47:101515.
- Padhy S, Dash S, Kumar N, Singh SP, Kumar G, Moral P. Temporal integration of ResNet features with LSTM for enhanced skin lesion classification. Results Eng. 2025;25:104201.
- Xin C, Liu Z, Ma Y, Wang D, Zhang J, Li L, et al. Transformer-guided self-adaptive network for multi-scale skin lesion image segmentation. Comput Biol Med. 2024;169:107846.
- Sulthana R, Chamola V, Hussain Z, Albalwy F, Hussain A. A novel end-to-end deep convolutional neural network-based skin lesion classification framework. Expert Syst Appl. 2024;246:123056.
- Chamarthi S, Fogelberg K, Brinker TJ, Niebling J. Mitigating the influence of domain shift in skin lesion classification: a benchmark study of unsupervised domain adaptation methods. Inform Med Unlocked. 2024;44:101430.
- Maity S, Paul S, Guha S, Dasgupta S, Ghosh M. Automated classification of monkeypox skin lesions using a hybrid deep learning model. Biomed Signal Process Control. 2026;126:110955.
- Nasir S, Bilal M, Khalidi H. Detection and classification of skin cancer by using CNN-enabled cloud storage data access control algorithm based on blockchain technology. Int J Theor Appl Comput Intell. 2025:145-169.
- Saba T. Computer vision for microscopic skin cancer diagnosis using handcrafted and non-handcrafted features. Microsc Res Tech. 2021;84(6):1272-1283.
- Fayyad J, Alijani S, Najjaran H. Empirical validation of conformal prediction for trustworthy skin lesion classification. Comput Methods Programs Biomed. 2024;253:108231.
- Liu P, Qian W, Li H, Cao J. A relationship-aware mutual learning method for lightweight skin lesion classification. Digit Commun Netw. 2025;11(3):603-612.
- Adla D, Reddy GVR, Nayak P, Karuna G. A full-resolution convolutional network with a dynamic graph cut algorithm for skin cancer classification and detection. Healthc Anal. 2023;3:100154.
- Thamizhamuthu R, Maniraj SP. Deep learning-based dermoscopic image classification system for robust skin lesion analysis. Trait Signal. 2023;40(3).
- Di Giammarco M, Santone A, Cesarelli M, Martinelli F, Mercaldo F. A method for skin lesion detection and localization by means of deep learning and reliable prediction explainability. Image Vis Comput. 2025;162:105675.
- Haq IU, Joarder HA, Khan AA, Shi X, Alsayaydeh JAJ, Yusof MFB, et al. XAAI-ledger: an explainable CNN-transformer-based multimodal deep learning framework for early detection of melanoma and non-melanoma skin cancers using dermoscopic and clinical data. Biomed Signal Process Control. 2026;123:110410.
- Saeed K, Shehzad M, Malik MGA, Ahmed S, Azar AT. TransXV2S-NET: a novel hybrid deep learning architecture with dual-contextual graph attention for multi-class skin lesion classification. Knowl Based Syst. 2026;337:115407.
- AbuAlkebash H, Saleh RAA, Ertunç HM. Automated explainable deep learning framework for multiclass skin cancer detection and classification using hybrid YOLOv8 and vision transformer (ViT). Biomed Signal Process Control. 2025;108:107934.
- Hasan MK, Ahamad MA, Yap CH, Yang G. A survey, review, and future trends of skin lesion segmentation and classification. Comput Biol Med. 2023;155:106624.
- Li H, Pan Y, Zhao J, Zhang L. Skin disease diagnosis with deep learning: a review. Neurocomputing. 2021;464:364-393.
- Wu Y, Chen B, Zeng A, Pan D, Wang R, Zhao S. Skin cancer classification with deep learning: a systematic review. Front Oncol. 2022;12:893972.
- Fanconic. Skin cancer: malignant vs benign dataset. Kaggle; 2023. Available from: https://www.kaggle.com/datasets/fanconic/skin-cancer-malignant-vs-benign
- Ribeiro MT, Singh S, Guestrin C. "Why should I trust you?": Explaining the predictions of any classifier. In: Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining (KDD '16). New York (NY): ACM; 2016. p. 1135-1144.
- Bassel A, Abdulkareem AB, Alyasseri ZAA, Sani NS, Mohammed HJ. Automatic malignant and benign skin cancer classification using a hybrid deep learning approach. Diagnostics (Basel). 2022;12(10):2472.
- Bhardwaj A, Rege PP. Skin lesion classification using deep learning. In: Advances in Signal and Data Processing: Select Proceedings of ICSDP 2019. Singapore: Springer; 2021. p. 575-589.
- Keerthana D, Venugopal V, Nath MK, Mishra M. Hybrid convolutional neural networks with SVM classifier for classification of skin cancer. Biomed Eng Adv. 2023;5:100069.
- Ahmed A, Siam AI, Atwa MA, Atwa EM, Abdelrahim EM, Atlam ES. An explainable YOLO-based deep learning framework for pneumonia detection from chest X-ray images. Algorithms. 2025;18(11):703.
- Farsi M, ZainEldin H, Sayed RF, El-Agamy ES, Atlam SA, Alsaedi M, et al. Deep learning for pathology: YOLOv8 with EigenCAM for reliable colorectal cancer diagnostics. Bioengineering (Basel). 2025;12(11):1203.
- Atwa EA, Atlam ES, Ahmed A, Atwa MA, Abdelrahim EM, Siam AI. Interpretable deep learning models for arrhythmia classification based on ECG signals using the PTB-XL dataset. Diagnostics (Basel). 2025;15(15):1950.