數據：
目標：色素性皮膚病（紫癜、黑色素瘤等）
2017nature
互聯網上收集了129450張圖像，其中3374張是皮膚鏡圖像（皮膚鏡是皮膚科醫生診斷時使用的專業手持設備）
127463張圖像作爲訓練集和驗證集，1942張作爲測試集
分類爲700多
網絡：Inception v3
【實驗結果】本文的分類實際上只針對兩種皮膚癌，也就產生了本文的兩個任務：角質形成細胞癌（keratinocyte carcinomas）vs 良性脂溢性角化病（benign seborrheic keratoses）；惡性黑色素瘤 vs 普通的痣，在 21 位經過認證的皮膚科醫生的監督下，測試了它在活檢證實的臨牀圖像上的性能。第一例代表最常見的癌症的識別，第二例代表了最致命的皮膚癌的識別。深度卷積神經網絡在這兩個任務上的表現都達到了所有測試的專家的水平，證明了該人工智能的皮膚癌鑑定水平達到了媲美皮膚科醫生的水平。論文中的測試集用了三種數據，也就是共有三種測試，分別是epidermal lesions(上皮病變），melanocytic lesions(黑素細胞病變）和melanocytic lesions（dermoscopy)（也是黑素病變，只不過採用的是皮膚鏡圖像），下面高能，圖示三種任務，都是二分類的。
定量的評估呢，本文采用敏感性-特異性曲線(AUC)，也就是正樣本的召回率-負樣本的召回率，後者會隨着前者的增大而由1 降爲0。上圖吧，可以看到，完全超過醫生的水平