人工智能算法用于良性与恶性皮肤显微镜皮肤损伤图像分类
Francesca Brutti1, Federica La Rosa1, Linda Lazzeri2
1Institute of Clinical Physiology, National Research Council, 56124 Pisa, Italy.
Bioengineering (Basel, Switzerland)
|November 25, 2023
概括
与传统的机器学习相比,深度学习模型显著改善了早期黑色素瘤检测. 卷积神经网络在从皮肤镜像中分类皮肤病变方面提供了卓越的准确性和特异性.
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:
- 黑色素瘤的发病率正在上升,需要改进的诊断工具.
- 早期发现黑色素瘤对于改善患者的治疗结果至关重要.
- 皮肤病变的自动分类有助于诊断.
研究的目的:
- 将深度学习模型与经典机器学习模型进行比较,以对皮肤病变进行分类.
- 评估这些模型在辨别良性皮肤镜像和恶性皮肤镜像方面的性能.
- 评估每个模型的概括能力.
主要方法:
- 使用了25122张公共皮肤镜像数据集进行培训.
- 采用一个卷积神经网络 (深度学习) 和一个集体增强树分类器 (机器学习).
- 在一个由200张图像组成的单独测试集上评估模型.
主要成果:
- 深度学习模型实现了85.4%的准确性和75.5%的特异性.
- 机器学习模型实现了73.8%的准确性和44.5%的特异性.
- 卷积神经网络表现出卓越的性能和概括能力.
结论:
- 深度学习方法,特别是卷积神经网络,在黑色素瘤检测方面优于传统的机器学习.
- 将先进的算法与皮肤镜整合起来,可以提高人口查和患者管理.
- 改进的诊断工具可以提高黑色素瘤患者的生存率.
