该文综述了基于深度学习的皮肤病变诊断研究，涵盖ISIC 2017至2019挑战赛成果。方法包括卷积神经网络、EfficientNet、Faster-RCNN等，用于病变分割、特征提取及良恶性分类。研究表明，病变定向分类优于疾病定向分类，模型在准确率、敏感度等指标上表现良好，可辅助黑色素瘤早期诊断。

该文综述了人工智能在皮肤病变诊断中的研究：AI辅助可提升医生识别丑小鸭症状的信心与一致性；深度学习结合机器学习检测黑色素瘤的准确率优于专家；但现有算法存在肤色偏差，对深色皮肤和罕见病准确率低。研究还提出全能HOT模型，支持分层预测、越界警报及临床与显微镜图像整合诊断。