一个机器学习算法应用于三镜,用于安卓发症分期和严重性评估
Marco Di Fraia1, Lorenzo Tieghi2, Francesca Magri1
1Dermatology Clinic, Department of Clinical Internal, Anesthesiologic and Cardiovascular Sciences, Sapienza University of Rome, Roma, Italy.
Dermatology practical & conceptual
|August 9, 2023
概括
使用支持矢量机器 (SVM) 算法的新机器学习模型可以根据三眼镜模式准确地分类质脱发症 (AGA) 严重程度. 这种工具有助于皮肤科医生管理AGA并量身定制患者治疗.
科学领域:
- 皮肤病学 皮肤病学
- 人工智能的人工智能
- 机器学习 机器学习
背景情况:
- 雄激素性脱毛症 (AGA) 的分期传统上依赖于视觉评估.
- 三光镜可提供客观数据,但解释可能很复杂.
- 机器学习,特别是支持向量机 (SVM) 模型,显示出对自动分类的承诺.
研究的目的:
- 开发一个SVM算法来对AGA患者进行分类.
- 根据三光镜模式创建AGA的严重性指数.
主要方法:
- 对200名AGA患者的三光镜图像进行了回顾性分析.
- 使用Trichoscale Pro®软件量化羊毛,空毛囊和单一毛发的毛囊单元.
- 开发了一个包含这些模式和患者性别的SVM模型,以分类AGA严重程度 (轻度与中度至重度).
主要成果:
- SVM模型实现了高精度:94.3%用于培训和90.0%用于测试数据集.
- 曲线下的面积 (AUC) 值为0.99 (训练) 和0.95 (测试),表明模型性能强.
- 该模型的概率估计,反映了分类确定性,可以作为一种新的严重性指数.
结论:
- 开发的SVM模型为皮肤科医生在管理AGA时提供了重要的支持.
- 它可以更准确地评估疾病严重程度.
- 方便处方更合适和个性化的治疗策略.
更多相关视频
03:22Mechanical and Controlled PRP Injections in Patients Affected by Androgenetic Alopecia
Published on: January 27, 2018
15.1K
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
8.3K