揭开卷积神经网络在黑色素瘤诊断中的力量
Loïc Van Dieren1, Jonathan Z Amar2, Naomi Geurs1
1Faculty of Medicine and Health Sciences, University of Antwerp, Wilrijk, Belgium.
European journal of dermatology : EJD
|February 1, 2024
概括
卷积神经网络 (CNN) 在黑色素瘤识别中表现出高准确性,经常与皮肤科医生相匹配或超过皮肤科医生. 然而,医生对人工智能的有限知识阻碍了其临床应用.
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:
- 卷积神经网络 (CNN) 是先进的深度学习算法,主要用于视觉识别.
- 在黑色素瘤识别方面,CNN显示出显著的潜力,其性能往往与皮肤科医生相美或优于皮肤科医生.
- 医生对人工智能 (AI) 的理解存在一个显著的差距,阻碍了其临床整合.
研究的目的:
- 阐明CNN区分良性与恶性皮肤病变的机制.
- 审查当前关于人工智能在黑色素瘤识别中的应用文献.
- 解决医生关于皮肤病学AI方面的知识差距.
主要方法:
- 在科学网,Medline (PubMed) 和科克兰图书馆 (2022年2月9日) 的系统文献搜索.
- 专注于2017-2022年期间发表的关于AI在黑色素瘤诊断中的文章.
- 使用的MeSH术语:"黑色素瘤"",诊断"和"人工智能".
主要成果:
- 包括CNN在内的深度学习算法通过同时执行特征提取和分类来简化传统的机器学习过程.
- CNNs使用卷积和聚合层来提取特征和计算效率,以及完全连接的层来进行分类.
- 研究表明,CNN在黑色素瘤检测方面取得了很高的准确性,往往与皮肤科医生的诊断能力相匹配或超越.
结论:
- 人工智能,特别是CNN,为黑色素瘤诊断提供了强大的工具,但由于医生知识不足,临床实施受到阻碍.
- 建议进行进一步的研究,以加快人工智能采用,开发强大的数据集,并创建可解释的AI算法,以获得临床信任和实用性.
