知识卡片：控制性生成多样皮肤影像实现公平高效的恶性分类

一句话结论
cgDDI 框架通过混合方法合成多样皮肤影像（特别是深肤色和罕见病），将仅含 656 张真实图像的数据集扩展 400 倍以上，在恶性分类任务上达到 90.9% 的 SOTA 准确率，并显著改善跨人群公平性。

事件概述或研究问题
皮肤科诊断需要在不同人群上公平地工作，但系统性缺失专家标注图像，尤其是深肤色和罕见病的样本，阻碍了公平方法的开发。研究引入 cgDDI（可控多样皮肤影像生成）框架，旨在低成本、高效率地生成多样化的皮肤病图像，以弥补数据缺口。

方法/产品要点

• cgDDI 是一个混合框架，包含三个核心能力：
  1. 合成健康皮肤样本：在不干扰其他输入属性的前提下合成逼真的健康皮肤。
  2. 非参数映射罕见病灶：将单样本的罕见病灶映射到新的肤色和位置。
  3. 参数化高效生成：仅需 10 个训练样本即可进行参数化生成，效率高。
• 支持人工和自动分割掩码，可扩展到没有预置病灶掩码的数据集。
• 将原始 DDI 数据集（656 张图像）扩展超过 400 倍。
• 验证数据集：活检确认的 Diverse Dermatology Images (DDI) 和专家验证的 Fitzpatrick17k (F17k)。

主要结果或产业意义

• 在 DDI 基准上：
  • 仅使用合成图像训练：准确率 86.4%。
  • 使用真实数据微调：准确率 90.9%，达到当时 SOTA，且公平性指标领先。
• 跨数据集实验：在未见过的 F17k 数据上准确率提升 +13.9%，尽管疾病重叠度很低。
• 开源发布 266k+ 合成图像、代码和生成模型（GitHub 仓库）。

为什么重要

• 解决了深度学习皮肤癌诊断中长期存在的“公平性-数据稀缺”矛盾，尤其对深肤色人群和罕见病有实质改进。
• 混合生成方法兼具非参数（单样本映射）和参数化（少量样本高效生成）的优势，降低了合成数据的制作门槛。
• 开源大量合成数据有助于推动公平性研究，避免重复采集昂贵的有标注真实数据。

局限与不确定性

• 合成图像的临床真实性需进一步验证（待确认是否存在与真实图像的差异）。
• 仅验证了两个数据集（DDI 和 F17k），在更大规模、更多元的数据集上的泛化能力待核实。
• 框架依赖于初始的少量真实病灶样本（如单样本），对于完全没有真实样本的疾病无法生成。
• 文中提到的“leading fairness metrics”具体指标（如准确率、灵敏度、特异性等在子群体上的差异）未详细列出，待核实。

可用于图书/PPT/简报的角度

• 医疗AI公平性的典型案例：展示数据生成技术如何改善少数群体覆盖。
• 数据增强的新范式：从简单复制/翻转转向可控内容生成（肤色、位置、病灶形态）。
• “抠图-换肤”式非参数映射与少量样本参数化生成的组合策略，适用于其他医学影像领域（如眼底、病理）。

与既有脉络的关系
现有卡片未涉及医疗影像公平性或皮肤图像生成，本卡片属于新主题。与“数据增强不能净化投毒”等结论无关，可独立使用。

英文标题、关键词和原始来源

• Title: Controllable Generation of Diverse Dermatological Imagery for Fair and Efficient Malignancy Classification
• Keywords: dermatological imagery, controllable generation, fairness, malignancy classification, data augmentation
• Original material: arXiv 2607.12987v1, URL: https://arxiv.org/abs/2607.12987v1