使用混合深度学习模型从人类皮肤图像中检测麻疹疾病
1Department of Electrical and Electronics Engineering, Faculty of Engineering and Architecture, Kafkas University, Kars TR 36100, Turkey.
Diagnostics (Basel, Switzerland)
|May 27, 2023
概括
这项研究介绍了一种混合人工智能系统,用于使用皮肤图像检测水. 人工智能在识别水的准确率达到了87%,有助于早期诊断.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 病毒学 病毒学
背景情况:
- 麻疹是一种具有明显血统的动物性DNA病毒,可通过动物和人类接触传播.
- 传播通过与体液,血液或呼吸道分泌物的直接接触发生,表现为皮肤病变.
- 准确及时检测麻疹对于公共卫生管理至关重要.
研究的目的:
- 开发和评估一种混合人工智能系统,用于从皮肤图像中检测麻疹.
- 用增强和预处理技术解决麻疹数据集中的数据不平衡问题.
- 为了比较各种深度学习模型对麻疹分类的性能.
主要方法:
- 利用了一个开源的多类数据集,包括水,麻疹,水和正常皮肤图像.
- 应用数据增强和预处理来缓解类不平衡问题.
- 开发了一种新的混合深度学习模型,将高性能模型与长短期记忆 (LSTM) 结合起来,以提高检测能力.
主要成果:
- 混合人工智能系统实现了87%的测试准确性来检测水.
- 科恩对该模型的kappa得分达到0.8222,表明了实质性的协议.
- 这项研究证明了深度学习和混合模型在分类麻疹病变方面的有效性.
结论:
- 拟议的混合人工智能系统显示出从皮肤图像中准确检测水的巨大潜力.
- 该方法有效地处理不平衡的数据集,这对于医学图像分析至关重要.
- 这种人工智能驱动的方法可以支持临床诊断和流行病学监测麻疹.
