使用人工智能评估阿托皮性皮肤炎的严重程度.
Aga Maulana1, Teuku R Noviandy1, Rivansyah Suhendra2
1Department of Informatics, Faculty of Mathematics and Natural Sciences, Universitas Syiah Kuala, Banda Aceh, Indonesia.
Narra J
|March 7, 2024
概括
深度学习模型可以自动化阿托皮性皮肤炎严重性评分. ResNet50的准确度达到89.8%,帮助皮肤科医生精确评估患者.
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:
- 亚托皮炎是一种常见的,慢性炎症性皮肤疾病.
- 准确的严重程度评估是具有挑战性的.
- 早期和精确的诊断对于有效的患者管理至关重要.
研究的目的:
- 评估深度学习模型用于自动化的亚托皮性皮肤炎严重程度评分.
- 评估各种卷积神经网络 (CNN) 架构的性能.
- 为了利用印尼人患有亚托邦性皮肤炎的数据集.
主要方法:
- 收集了250名患者的临床图像.
- 使用了五个预训练的CNN架构:ResNet50,VGGNet19,MobileNetV3,MnasNet,以及EfficientNetB0.0等.
- 评估模型使用准确度,精度,灵敏度,特异性和F1分数.
主要成果:
- ResNet50表现出了最高的性能.
- ResNet50实现了89.8%的准确度,90.00%的精度,89.80%的灵敏度,96.60%的特异性和89.85%的F1分数.
- 这项研究强调了人工智能在皮肤病诊断中的潜力.
结论:
- 深度学习模型显示了自动化阿托皮性皮肤炎严重程度评分的前景.
- ResNet50是一个熟练的模型来完成这个任务.
- 人工智能工具可以帮助皮肤科医生改善患者护理和治疗结果.


