通过人工智能驱动的皮肤图像分析来远程评估湿疹严重程度:系统性审查
Leo Huang1, Wai Hoh Tang2, Rahman Attar3
1Department of Bioengineering, Imperial College London, UK; UKRI Centre for Doctoral Training in AI for Healthcare, Imperial College London, UK; Department of Computing, Imperial College London, UK.
Artificial intelligence in medicine
|August 30, 2024
概括
本综述强调了从图像中对人工智能驱动的湿疹严重程度评估的挑战. 改善数据集和模型可解释性对于可靠的远程患者监测和治疗规划至关重要.
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:
- 使用数字图像对湿疹严重程度的远程评估是一个新兴领域.
- 人工智能工具可以协助湿疹治疗规划和患者监测.
- 现有研究的质量和稳定性各不相同.
研究的目的:
- 从图像上对人工智能驱动的湿疹严重性评估研究的质量进行审查.
- 确定挑战,并为该领域的AI工具提出改进建议.
主要方法:
- 从Scopus数据库中对25篇文章进行系统审查.
- 分析的重点是对湿疹区域的检测和严重程度的预测.
- 使用20个预定义的标准进行批判性评估.
主要成果:
- 深度学习方法越来越多地被用于传统机器学习.
- 研究质量往往受到数据集问题 (缺少年龄/摄影型,非公开数据) 的限制.
- 缺乏开源代码阻碍了结果的验证.
结论:
- 需要高质量,无偏见的数据集和改进的图像分析.
- 提高模型可信度,可解释性和可解释性对于可靠的远程湿疹评估至关重要.
