通过深度学习增强疾病分类:针对和类似皮肤损伤疾病的两阶段优化方法
1Department of Computer Engineering, Kırıkkale University, 71450, Kırıkkale, Turkey. serkansavas@kku.edu.tr.
Journal of imaging informatics in medicine
|February 12, 2024
概括
一种新的深度学习方法可以准确地区分水 (MPox) 和类似的疾病,如水和麻疹. 这种人工智能方法提高了早期MPox检测和诊断效率.
科学领域:
- 医疗信息学 医疗信息学
- 医疗保健中的人工智能
- 传染病的诊断 感染性疾病的诊断
背景情况:
- 由于与其他传染病 (包括水和麻疹) 的视觉相似性,麻疹 (MPox) 诊断具有挑战性.
- 2022年全球MPox疫情突出了快速和准确的诊断工具的需要.
- 现有的诊断方法可能耗时,容易出现人为错误.
研究的目的:
- 开发和验证基于深度学习的系统,以区分MPox和视觉上类似的疾病.
- 优化诊断准确性和效率,以便及时检测MPox.
- 为临床使用和医学成像软件开发创建一个强大的决策支持系统.
主要方法:
- 采用了两阶段的深度学习优化方法,分析了71个预训练的神经网络模型.
- 技术包括转移学习,微调和组合学习,以提高模型性能.
- 顶级模型 (ConvNeXtBase,Large,XLarge) 在第一阶段达到97.5%的准确性;整体模型EM3 (RegNetX160,ResNetRS101,ResNet101) 在第二阶段达到0.9971的AUC.
主要成果:
- 第一个阶段确定了ConvNeXt模型,在区分MPox,水和麻疹方面达到97.5%的准确性.
- 优化的整体模型 (EM3) 显示了高的曲线下面积 (AUC) 0.9971.1.
- 对未见数据的模型验证证实了稳定性,可靠性和增强的诊断准确性.
结论:
- 开发的深度学习方法为MPox诊断提供了快速,准确的决策支持系统.
- 这种人工智能驱动的方法显著减少了诊断错误和手动处理,提高了诊所的效率.
- 这项研究强调了人工智能在医疗信息学中的潜力,用于全球健康和早期疾病检测.
