弥合白风细分和临床评分之间的差距

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:

• 定量性白风评估对于治疗监测至关重要,但面临着客观性和工作量方面的挑战.
• 目前的自动细分方法侧重于补丁智能图像,限制临床得分计算和全身评估.
• 需要全身白风细分来进行全面的患者监测和客观的临床评分.

研究的目的:

• 开发和验证一种用于全身白风细分的新型算法.
• 解决从全身图像中细分白风的挑战,包括不同的照明和病变分布.
• 为了从全身图像中对白风程度进行客观,临床可翻译的评分.

主要方法:

• 建立第一个符合国际标准的全身白风数据集 (1740张图像).
• 开发一个包含对比度增强和长距离比较的定制算法,用于细分.
• 引入信心分数精细化模块,以处理具有挑战性的病例,如完全受影响或未受影响的皮肤区域.

主要成果:

• 拟议的算法显著降低了每图像白风参与率的平均误差,从3.69%降至1.81%.
• 每张图像的前10%错误率从23.17%大幅下降到8.29%.
• 每个患者白风参与率错误 (平均1.17%,最大3.11%) 超过了经验丰富的皮肤科医生评估.

结论:

• 开发的全身白风细分算法提供客观和临床适用的定量评估.
• 该方法克服了以前的补丁智能方法的局限性,并处理复杂的成像条件.
• 这一进步为评估白风进展和治疗反应提供了更准确,更有效的工具.