深度学习以人工智能为基础诊断与皮肤相关的被忽视的热带疾病:试点研究

科学领域:

• 人工智能的人工智能
• 机器学习 机器学习
• 医疗成像医学成像

背景情况:

• 深度学习 (DL) 在计算机视觉任务中表现出成功.
• 越来越多的人对DL感兴趣,用于诊断被忽视的热带皮肤疾病 (NTD).
• 有限的研究存在,特别是对于更深的皮肤色调.

研究的目的:

• 开发基于DL的AI模型,用于诊断五种皮肤NTD:布鲁利,麻风,瘤,和.
• 通过使用不同的模型和培训策略,评估诊断准确度的改进.
• 在资源有限的环境中评估DL用于皮肤NTD诊断的可行性.

主要方法:

• 使用了来自科特迪瓦和加纳506名患者的1,709张图像的数据集.
• 采用了两个卷积神经网络:ResNet-50和VGG-16.
• 在临床图像上训练模型,包括PCR确认的病例进行比较.

主要成果:

• 无论是ResNet-50还是VGG-16,都实现了超过70%的诊断准确度.
• 随着培训样本的增加,绩效持续改善.
• 与VGG-16.6相比,ResNet-50表现出优越的性能.
• 用PCR确认的Buruli病例进行培训,对疾病的准确性略有提高.

结论:

• DL模型可以有效地帮助同时诊断多种皮肤NTD.
• 增加培训数据和使用确诊病例可以提高诊断准确度.
• 人工智能有可能改善皮肤NTD患者的医疗保健机会,特别是在医疗保健有限的地方.