皮膚検査画像における皮膚がんの早期診断と分類のためのディープラーニングフレームワーク

科学分野:

• 皮膚科
• 人工知能
• 医療用イメージング

背景:

• 皮膚がんの診断は,良性病変と悪性病変の微妙な違いのために,視覚的な検査に依存しています.
• 皮膚がんの効果的な治療には,正確で適時な診断が不可欠です.
• 自動化されたシステムは 診断の正確性と効率性を向上させることで 臨床医を助けることができます

研究 の 目的:

• 皮膚がんの早期診断と分類のための新しい深層学習フレームワークであるSkin-DeepNetの開発と評価.
• 先進的な画像処理と機械学習技術による皮膚検査画像を用いて皮膚がん診断の精度を高める.
• Skin-DeepNetのパフォーマンスを,既存の最先端のシステムと比較して,ベンチマークデータセットで評価する.

主な方法:

• Skin-DeepNetはコントラストを高めるために2段階の画像の事前処理を使用しています.
• マスクR-CNNとGrabCutアルゴリズムを使用して,堅固な皮膚病変のセグメンテーションが達成されます.
• 高解像度ネットワーク (HRNet) と注意ブロックによる二重機能抽出,続いて深い信念ネットワーク (DBN) と決定融合 (強化,スタッキング).

主要な成果:

• Skin- DeepNetは,ほぼ完璧なセグメンテーションの精度 (IOUは99. 93%まで) を達成しました.
• ISIC 2019のデータセットでは,Skin-DeepNetは99.65%の精度,99.51%の精度,および99.94%のAUCを達成しました.
• HAM1000データセットでは,Skin- DeepNetは100%の精度,99. 92%の精度,および99. 97%のAUCを示し,最先端の方法よりも優れた性能を示しました.

結論:

• スキン・ディープネットは 皮膚検査画像から 皮膚病変を分類する際の 卓越した能力を示しています
• 開発された枠組みは,皮膚がんの早期診断において医師を大いに助けます.
• このシステムは 患者の治療結果を改善するために 臨床環境への統合の可能性を示しています