面孔:一个基于深度学习的参数模型来改善红病的诊断
Seungman Park1, Anna L Chien2, Beiyu Lin3
1Department of Mechanical Engineering, University of Nevada, Las Vegas, NV 89154, USA.
Applied sciences (Basel, Switzerland)
|January 29, 2024
概括
一个名为FACES的新人工智能系统 (基于五个准确的CNN的评估系统) 改善了粉红的检测. 这种人工智能方法比目前对这种常见皮肤病的视觉评估提供了更高的准确性和一致性.
科学领域:
- 皮肤病学 皮肤病学
- 人工智能的人工智能
- 医学成像分析 医学成像分析
背景情况:
- 红是一种慢性炎症性皮肤疾病,其特点是脸部发红和可见的血管.
- 目前的诊断方法依赖于视觉评估,这是主观的,导致临床间显著的变化.
- 人工智能 (AI) 的进步显示出在医学成像中对客观和一致的疾病检测有希望.
研究的目的:
- 开发和评估基于人工智能的系统,以有效和准确地识别和分类疹.
- 将新型人工智能系统的性能与单个机器学习模型和传统诊断方法进行比较.
主要方法:
- 开发了一个"基于五个精确的CNN的评估系统" (FACES),利用五个性能最高的卷积神经网络 (CNN) 模型.
- 在图像数据集上训练并验证了19个CNN模型,用于检测粉红.
- 根据准确度选择了五个最佳模型,以形成FACES系统,并采用多数规则进行分类.
主要成果:
- 与单个CNN模型和多数规则相比,FACES系统表现出卓越的性能.
- 面部在疹检测中实现了最高的准确性和灵敏度.
- FACES的特异性和精度高于大多数单个模型,这表明其具有强大的诊断能力.
结论:
- FACES系统提供了一种更准确和更一致的方法来识别和分类粉红病.
- 像FACES这样的人工智能驱动的方法有可能提高皮肤病诊断.
- 未来的研究应该纳入患者人口统计和临床比较,以进一步完善该系统.
