使用神经网络算法检测和分类皮肤癌:系统性审查
Pamela Hermosilla1, Ricardo Soto1, Emanuel Vega1
1Escuela de Ingeniería Informática, Pontificia Universidad Católica de Valparaíso, Avenida Brasil 2241, Valparaíso 2362807, Chile.
Diagnostics (Basel, Switzerland)
|February 24, 2024
概括
计算机辅助技术显示了使用皮肤镜图像的早期皮肤癌检测的希望. 机器学习和深度学习算法提供了显著的进步,尽管图像质量和专家解释仍然是关键挑战.
科学领域:
- 皮肤病学 皮肤病学
- 医疗成像医学成像
- 计算机视觉 计算机视觉
背景情况:
- 越来越多的人对计算机辅助技术的兴趣,用于早期发现皮肤癌.
- 当前方法的准确性取决于图像质量和专家的解释.
- 需要对该领域的有效性,挑战和可用性进行批判性评估.
研究的目的:
- 批判性地评估计算机辅助皮肤癌检测的有效性和挑战.
- 解释当前方法的可用性和局限性.
- 为科学和临床界突出未来的研究方向.
主要方法:
- 45项当代研究的系统综述.
- 来自Web of Science和Scopus等数据库的研究分析.
- 识别用于早期皮肤癌诊断的计算机视觉技术,重点是算法,准确性和验证指标.
主要成果:
- 在使用深度学习和机器学习算法检测皮肤癌症方面取得了重大进展.
- 识别用于皮肤镜图像分析的各种计算机视觉技术.
- 数据强调了人工智能在提高诊断准确性的潜力.
结论:
- 计算机辅助技术,特别是机器学习,显示了早期皮肤癌检测的巨大潜力.
- 需要进一步的研究来解决与图像质量和解释相关的挑战.
- 建立未来研究的基础,以提高AI在皮肤癌诊断中的有效性.


