图像感知相似度指标用于评估基底细胞癌
Panagiota Spyridonos1, Georgios Gaitanis2, Aristidis Likas3
1Department of Medical Physics, Faculty of Medicine, School of Health Sciences, University of Ioannina, 45110 Ioannina, Greece.
Cancers
|July 29, 2023
概括
新的图像相似度指标准确地评估基底细胞癌 (BCC) 和治疗痕,匹配人类专家协议,可靠的临床监测.
科学领域:
- 皮肤病学 皮肤病学
- 医疗成像医学成像
- 计算机视觉 计算机视觉
背景情况:
- 基础细胞癌 (BCC) 的管理需要准确的瘤和痕评估.
- 感知色彩和纹理偏差是评估BCC和治疗后结果的关键因素.
- 当前的评估方法可能是主观的,需要专家解释.
研究的目的:
- 开发和验证用于评估BCC和后处理痕的图像相似度指标.
- 量化BCC与周围皮肤的感知颜色和纹理偏差.
- 将新型图像指标的性能与人类专家协议进行比较.
主要方法:
- 176张临床BCC照片由6名医生使用视觉偏差尺度进行评估.
- 使用各种颜色空间,距离和VGG16神经网络嵌入,开发了图像相似度指标.
- 顺序逻辑回归模型转换了相似性得分;布雷-库蒂斯距离 (YIQ) 和VGG16"fc6"嵌入显示了最佳性能.
- 克伦巴赫的α,格韦特的AC2和科恩的kappa评估了评价者之间的可靠性.
主要成果:
- 提出的图像相似度指标,特别是YIQ颜色模型中的Bray-Curtis距离和VGG16"fc6"嵌入式,在表示感知相似性方面表现出强的表现.
- 这些指标实现了高度的内部一致性和评审者间的一致性,与人类专家评估相美.
- 通过框图分析和威尔科克森等级总和测试的验证证实了"人与系统"协议的稳定性.
结论:
- 开发的图像相似度指标为评估基底细胞癌及其治疗结果提供了可靠和客观的方法.
- 这些指标为BCC的临床监测提供了具有成本效益和可靠的方法.
- 这些发现支持将这些计算工具整合到常规皮肤病学实践中,以改善患者管理.
