使用基于深度学习的人工智能自动识别皮肤莱什曼病变
José Fabrício de Carvalho Leal1,2, Daniel Holanda Barroso3, Natália Santos Trindade2
1Graduate Program in Tropical Medicine, Center for Tropical Medicine, Faculty of Medicine, University of Brasília-UnB, Brasília 70904-970, Brazil.
Biomedicines
|January 26, 2024
概括
使用AlexNet的深度学习 (DL) 可以准确地识别皮肤雷什曼病 (CL) 的皮肤病变. 这种自动化工具显示了移动应用程序的潜力,以帮助医疗保健专业人员诊断CL.
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:
- 皮肤莱什曼病 (CL) 诊断是具有挑战性的,因为病变呈现的不同,经常模仿其他皮肤疾病.
- 准确的区分对于及时有效的治疗至关重要.
研究的目的:
- 评估深度学习算法AlexNet在识别CL皮肤病变图像方面的有效性.
- 评估自动诊断在协助医疗保健服务方面的潜力.
主要方法:
- 收集了来自巴西中西部患者的2458张CL损伤图像的数据集.
- 在这个数据集上训练并测试了AlexNet模型,将CL与其他26种皮肤病区分开来.
- 图像数据库分为培训 (80%),验证 (10%) 和测试 (10%) 集.
主要成果:
- 在识别CL病变方面,AlexNet实现了95.04% (95%CI:93.81-96.04) 的平均准确性.
- 该算法在区分CL与其他各种皮肤疾病方面表现出色.
- 三次模拟证实了该模型强大的识别能力.
结论:
- 使用AlexNet自动识别CL显示了支持临床诊断的巨大潜力.
- 这项技术可以促进在医疗机构中开发CL的移动诊断工具.
- 进一步开发可以提高CL诊断的可访问性和效率.


