皮肤黑色素瘤是一种早期发现可治愈的疾病。目前诊断黑色素瘤的主要方法是基于皮肤镜的人工目视观寻找更多察，较易受医师医技水平和经验的影响，诊断准确率为75%～80%,且诊断效率低。对此，文中提Scabiosa comosa Fisch ex Roem et Schult出一种融合元数据和图像数据的多模态神经网络算法。元数据是通过感知机学习模型提取的患者基本信息、病灶采集部位、图像分辨率和数量的特征向量；图像数据是通过CNN模型提取的特征向量，把两selleck Cobimetinib个特征向量进行融合映射以获得疾病分类结果，用于黑色素肿瘤的早期辅助诊断应用。收集整理了ISIC 2019和ISIC 2020的混合数据集，共58 457条样本数据，训练样本和测试样本按照4∶1比例进行划分，分别采用所提多模态算法和卷积神经网络方法进行对比实验研究，结果表明，使用所提算法构造的黑色素肿瘤辅助诊断分类模型能够将AUC值提升1%左右，证明其具有一定的使用价值。