可靠检测湿疹区域从数字相机图像完全自动评估湿疹严重程度

科学领域:

• 皮肤病学 皮肤病学
• 计算机视觉 计算机视觉
• 医疗成像医学成像

背景情况:

• 传统上,评估湿疹的严重程度需要亲自检查,这些检查是昂贵的,难以扩展的,并且受观察者变化的影响.
• 现有的湿疹计算机视觉模型通常需要手动输入来检测病变,并且无法完全自动化从各种现实图像中评估严重程度.

研究的目的:

• 开发和评估一个端到端的计算机视觉模型,用于自动检测湿疹病变和从数字图像评估严重程度.
• 在现实世界的临床研究环境中提高自动化湿疹评估的准确性和稳定性.

主要方法:

• 开发了一种使用数据增强和像素级细分的模型,用于在1345张皮肤科医生提供的图像上识别湿疹病变.
• 评估了细分质量,对可变成像条件 (照明,聚焦,模糊) 的稳定性,以及对下游严重性预测的影响.
• 使用皮肤细分与专用湿疹细分的性能比较.

主要成果:

• 与之前的模型相比,新模型在疹病变检测方面显示了~25%的质量增加和~40%的稳定性增加.
• 下游湿疹严重性预测性能保持一致,表明检测到的病变的可靠性.
• 使用一般皮肤细分实现了与特定湿疹细分相比较的性能,减少了对专家标签的需求.

结论:

• 开发的计算机视觉模型能够从真实世界的图像中强大,自动检测湿疹病变,提高临床研究的效率.
• 使用皮肤细分的自动评估为专家标记的湿疹细分提供了一个可行的替代方案,简化了这一过程.
• 这项技术有可能减少疹严重程度评估中的资源强度和观察者偏差.