基于图像的PASI评分与牛皮的远程评估由YOLO-v4算法
Heng Yin1, Hui Chen1, Wei Zhang2
1Department of Dermatology, The Second Xiangya Hospital of Central South University; Hunan Key Laboratory of Medical Epigenomics, Changsha, Hunan, China.
Experimental dermatology
|April 26, 2024
概括
一个新的人工智能应用程序使用YOLO-v4算法准确评估牛皮的严重程度,帮助皮肤科医生在客观,长期的患者监测和疾病管理.
科学领域:
- 皮肤病学 皮肤病学
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 牛皮是一种慢性,复发性皮肤疾病,需要定期监测.
- 牛皮区域和严重程度指数 (PASI) 是评估的标准,但耗时且主观.
- 需要客观,高效的工具来长期管理牛皮.
研究的目的:
- 为准确和快速的PASI评估开发一个深度学习系统.
- 创建一个智能移动应用程序,用于远程 psoriasis 评估.
- 提高PASI评分的客观性和效率.
主要方法:
- 收集了来自1486名牛皮患者的2657张高质量图像.
- 使用YOLO-v4算法进行模型开发和优化.
- 将YOLO-v4与其他物体检测模型 (YOLOv3,RetinaNet,EfficientDet,更快的R-CNN) 进行比较.
- 使用平均平均精度 (mAP) 和人与计算机比较 (QWK,ICC) 评估模型性能.
主要成果:
- 在YOLO-v4中,红血瘤 (0.903),度 (0.908) 和硬化 (0.882) 的mAP高.
- 人与计算机的比较显示了严重程度的中位数一致性和区域和PASI分数的优异一致性.
- 在皮肤科医生之间达成良好协议后,开发了一个智能PASI应用程序.
结论:
- 基于人工智能的PASI应用程序有效地协助皮肤科医生客观,长期的牛皮评分.
- 这项技术为临床评估提供了一种节省时间和客观的方法.
- 智能应用程序有助于远程疾病评估和管理.
