[模拟:产生合成图像,通过深度学习模型来总结黑色素体内的焦点模式]
Miriam Ben Shachar1, Aviv Yampolsky2, Mor Benayoun2
1Kittner Skin Cancer Screening and Research Institute, Medical Screening Institute, Sheba Medical Center, Adelson School of Medicine, Ariel University, Arrow Program for Medical Research Education, Sheba Medical Center, Ramat-Gan, Israel.
Harefuah
|December 21, 2023
概括
模仿反射同焦显微镜 (RCM) 神经图案的合成图像是使用生成对抗网络 (GAN) 生成的. 这些合成RCM图像使人类专家和人工智能模型能够可靠地进行分类.
科学领域:
- 皮肤病学 皮肤病学
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 黑色细胞斑呈现出通过反射同焦显微镜 (RCM) 识别的显微镜模式.
- 这些模式因与黑色素瘤风险的关联而有所不同.
- RCM提供了一种非侵入性的方法来识别这些神经瘤模式.
研究的目的:
- 开发一种深度学习的生成对抗网络 (GAN) 模型,能够合成 nevi 的 RCM 图像.
- 为了创建合成的RCM图像,准确地表示不同的神经模式.
- 为了使人类读者和卷积神经网络 (CNN) 模型可靠地对合成RCM图像进行分类.
主要方法:
- 收集了1496张RCM图像的数据集,这些图像具有均的图案 (网状,环状,状).
- 在这些RCM图像上训练了一种GAN模型,以生成类似RCM的合成图像.
- 人类读者和CNN模型对合成图像进行了分类,以评估识别准确性和一致性.
主要成果:
- 该GAN模型生成了6000个合成RCM图像.
- 人类读者在分类合成RCM模式时实现了91.7%的观察者间一致性.
- 人类读者和CNN模型在模式分类中显示了87.7%的一致性.
结论:
- 合成RCM图像准确地回顾了神经的模式,促进了可重现的识别.
- 这些合成数据集对于RCM模式识别的新手培训非常有价值.
- 合成RCM图像可以用于训练AI模型和研究机构之间安全的数据共享.
