原创力文档摘要
摘要
随着人工智能的发展，医学诊断正在从传统的人工分析逐步向智能化方向
转变。然而，医学图像分类任务中普遍存在类别不平衡现象，尤其是在皮肤癌检
测中，不平衡的数据分布导致模型的性能下降。传统分类模型往往倾向于学习良
性病变，而对恶性病变的识别能力较弱。集成学习通过引入多个专家模型，可以
有效提升恶性病变的识别精度。但现有的集成学习方法仍面临标签分布偏移、专
家模型学习内容相似度高以及专家聚合时调参困难等挑战。针对这些问题，
摘要
摘要
随着人工智能的发展，医学诊断正在从传统的人工分析逐步向智能化方向
转变。然而，医学图像分类任务中普遍存在类别不平衡现象，尤其是在皮肤癌检
测中，不平衡的数据分布导致模型的性能下降。传统分类模型往往倾向于学习良
性病变，而对恶性病变的识别能力较弱。集成学习通过引入多个专家模型，可以
有效提升恶性病变的识别精度。但现有的集成学习方法仍面临标签分布偏移、专
家模型学习内容相似度高以及专家聚合时调参困难等挑战。针对这些问题，
文档评论（0）