通过快照超光谱成像识别皮肤病变
Hung-Yi Huang1, Hong-Thai Nguyen2, Teng-Li Lin3
1Department of Dermatology, Ditmanson Medical Foundation Chiayi Christian Hospital, Chia Yi City 60002, Taiwan.
Cancers
|January 11, 2024
概括
人工智能 (AI) 和高光谱成像 (HSI) 准确诊断皮肤癌,区分Mycosis fungoides (MF) 与牛皮 (PsO) 和亚托皮炎 (AD). 这种非侵入性方法可以提高皮肤病变的早期检测.
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:
- 从临床上来说,将真菌菌菌病 (MF) 精确地区分出皮肤炎症状况,如牛皮 (PsO) 和亚托皮炎 (AD) 具有临床意义.
- 传统的诊断方法可能具有侵入性和耗时性,需要先进的非侵入性技术.
研究的目的:
- 率先应用AI和HSI用于计算机辅助的皮肤病变诊断.
- 为了区分MF从PsO和AD使用新的AI算法和HSI.
- 评估模型在细分和分类皮肤病变的表现,以便早期检测.
主要方法:
- 使用了1659张皮肤图像 (MF,PsO,AD,正常皮肤) 的数据集.
- 采用了一种新的多人工智能算法用于计算机辅助诊断.
- 应用U-Net注意力模型和XGBoost算法用于自动细分和分类,将图像转换为光谱域.
主要成果:
- 人工智能和HSI模型在细分和分类皮肤病变方面表现强.
- 在7倍交叉验证下实现了高诊断准确性和最佳性能.
- 报告的灵敏度为90.72%,特异性为96.76%,F1评分为90.08%,ROC-AUC为0.9351.
结论:
- 人工智能和HSI在皮肤病学中提供了一个非侵入性,高效和准确的诊断替代方案.
- 开发的模型显著提升了皮肤恶性瘤和炎症状况的早期和精确识别.
- 这种方法具有很大的潜力,可以改善皮肤病诊断中的临床结果.
