在真实世界的临床皮肤学图像中使用机器学习自动识别身体部位
Sebastian Sitaru1, Talel Oueslati1, Maximilian C Schielein1
1Technical University of Munich, School of Medicine, Department of Dermatology and Allergy, Munich, Germany.
概括
一个AI算法准确地识别皮肤学图像中的身体部位,帮助诊断和研究. 该工具通过绘制受影响区域的地图,提高了对皮肤疾病 (如湿疹和牛皮) 的理解.
科学领域:
- 皮肤病学 皮肤病学
- 人工智能的人工智能
- 医疗成像医学成像
背景情况:
- 皮肤病影响着各种人群,使得身体部位的识别对诊断,治疗和研究至关重要.
- 在临床图像中自动识别身体部位可以增强决策算法并发现疾病模式.
研究的目的:
- 开发和验证一个卷积神经网络,用于皮肤学图像中自动识别身体部位.
- 为了生成用于常见皮肤病的身体部位分布的热图.
主要方法:
- 训练并验证了一个卷积神经网络,使用6219个标记的皮肤学图像.
- 生成了定性热图,以可视化在常见皮肤病状况下身体部位的分布.
主要成果:
- 该算法实现了89%的平均平衡精度 (74.8%-96.5%的范围).
- 非黑色素瘤皮肤癌的图像主要包括脸部和干.
- 湿疹和牛皮图像分发热点包括干,腿和手.
结论:
- 该系统的准确性与最先进的图像分类算法相美.
- 这种人工智能工具有可能显著推进皮肤病的诊断,治疗和研究.
