近日，我院计算智能实验室于坤杰教授、硕士研究生连锦涛、毕莹教授和梁静教授联合惠灵顿维多利亚大学在皮肤癌智能诊断领域取得硕果，展示了实验室在皮肤癌图像分类与诊断领域的创新能力，也为基于进化计算的医学图像处理研究提供了重要的理论与实践支撑。

研究成果一：“A Genetic Programming Approach with Adaptive Region Detection to Skin Cancer Image Classification”；

研究成果二：“An Automated and Interpretable Computer-Aided Approach for Skin Cancer Diagnosis Using Genetic Programming”。

成果一发表于《Journal of Automation and Intelligence》并荣获2024年ICAIS＆ISAS国际会议最佳论文奖，成果二发表于《IEEE Transactions on Evolutionary Computation》（中科院一区，CCF-A期刊，IF=11.7），两项成果的第一单位和通讯单位均为郑州大学。

成果一针对皮肤癌图像分类中的区域检测问题，提出了一种基于自适应区域检测的遗传规划创新方法。通过引入自适应区域检测机制，该模型能够动态调整诊断过程中关注的图像区域，从而实现对皮肤区域的精准定位与分类。同时设计了一套新的函数集和终端集，包含一系列用于描述整体图像或局部区域的常用特征提取方法和皮肤癌特征描述算子，大幅提升了对复杂皮肤病变的识别能力。该成果展示了遗传规划方法在皮肤癌图像分类上的强大潜力。

成果二针对传统的皮肤癌计算机辅助诊断系统通常需要领域知识进行特征提取，而基于神经网络的皮肤癌计算机辅助诊断系统在设计网络结构时需要专门的知识，且往往具有较差的可解释性，提出了一种全新的基于遗传规划的皮肤癌计算机辅助诊断系统。该方法基于相对简单的程序结构、新的函数集和终端集，可以自动进化出变长模型，以提取能够描述皮肤癌图像的有效特征。此外，与其他遗传规划方法相比，该方法引入了一种新提出的重复子树移除机制，能够有效防止产生重复特征，从而简化模型并增强其可解释性，实现了医学辅助诊断领域中模型精度和可解释性的良好权衡。

以上研究得到了国家自然科学基金、河南省自然科学基金、中国博士后科学基金等项目的资助。（供稿人：于坤杰）

论文信息：

[1] Kunjie Yu, Jintao Lian, Ying Bi^*, Jing Liang, Bing Xue, Mengjie Zhang. A Genetic Programming Approach with Adaptive Region Detection to Skin Cancer Image Classification. Journal of Automation and Intelligence. DOI: https://doi.org/10.1016/j.jai.2024.08.003

[2] Kunjie Yu, Jintao Lian, Ying Bi^*, Jing Liang, Bing Xue, Mengjie Zhang. An Automated and Interpretable Computer-Aided Approach for Skin Cancer Diagnosis Using Genetic Programming. IEEE Transactions on Evolutionary Computation, DOI: 10.1109/TEVC.2024.3459096