使用卷积神经网络进行一次基于照片的疗法后,对色素减少的响应预测因子:概念验证研究研究
Ting-Ting Yang1, Ching-Wen Ma2, Jyun-Wei Jhou2
1Department of Dermatology, Kaohsiung Medical University Hospital, Kaohsiung Medical University, Kaohsiung, Taiwan.
Photodermatology, photoimmunology & photomedicine
|June 12, 2023
概括
现在可以使用人工智能来预测患者对基于照片的超色素治疗的反应. 卷积神经网络 (CNN) 分析治疗前的照片,以高准确度预测治疗的成功.
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:
- 预测患者对一次性基于照片的治疗方法的反应对于多色素性疾病来说是具有挑战性的.
- 面部超色素影响了许多寻求美学增强的个体.
- 早期识别治疗响应者对于优化患者护理至关重要.
研究的目的:
- 开发一个卷积神经网络 (CNN) 算法,用于预测面部超色素的治疗结果.
- 为了测试假设,治疗前的面部照片含有指示治疗反应的特征.
- 创建一个临床适用的工具来预测基于照片的疗法的疗效.
主要方法:
- 从VISIA®皮肤分析系统中使用了264组预处理面部照片.
- 雇佣了五个经过独立培训的Resnet50基于CNN的CNN,并将结果结合起来进行最终预测.
- 应用预处理技术,包括掩盖面部特征,到图像数据.
主要成果:
- 开发的CNN算法实现了78.5%的预测准确度.
- 接收器运行特征曲线 (AUC) 下的面积为0.839,表明强大的预测性能.
- 该模型展示了识别与治疗结果相关的治疗前图像特征的能力.
结论:
- 治疗前的面部图像对基于照片的治疗的疗效具有预测价值.
- 人工智能驱动的皮肤图像分析可以预测面部超色素的治疗成功.
- 这种方法为皮肤病学中个性化治疗策略提供了潜在的方法.
更多相关视频
06:16Author Spotlight: Unraveling the Pathogenesis of Age-Related Macular Degeneration and Discovering Potential Therapies
Published on: July 28, 2023
2.6K
11:38Author Spotlight: Enhancing PSC-to-Functional Cell Differentiation Using ML Models Based on Live-Cell Bright-Field Imaging
Published on: October 4, 2024
638
