使用机器学习的眼皮肤瘤的计算机辅助诊断
Ofira Zloto1, Ofir Fogel2, Guy Ben Simon1
1Faculty of Medicine, Tel Aviv University, Tel Aviv, Israel; Goldschleger Eye Institute, Sheba Medical Center, Tel Hashomer, Israel.
概括
一个新的机器学习框架准确诊断恶性眼皮肤瘤,显示出有潜力帮助临床医生和提高医疗保健效率,特别是在服务不足的地区.
科学领域:
- 眼科医生 眼科 眼科
- 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:
- 眼皮肤瘤需要准确和及时的诊断.
- 当前的诊断方法可能耗时,可能需要专门的专业知识.
- 自动诊断工具有可能提高护理的效率和可访问性.
研究的目的:
- 开发和验证机器学习 (ML) 框架,用于对恶性眼皮肤瘤的自动诊断.
- 将ML模型的诊断性能与人类评估进行比较.
主要方法:
- 这项研究利用了来自谢巴医疗中心的眼损伤图像数据集,在2019年国际皮肤成像协作 (ISIC) 数据集的预训练后进行了微调.
- 总共有559张图像 (373张良性图像,186张恶性图像) 用于模型培训和验证.
- 使用梯度加权类激活映射 (Grad-CAM) 来实现模型的可解释性.
主要成果:
- 开发的ML模型在诊断恶性眼病变时获得了93.8% (95% CI 80.0-100.0%) 的灵敏度和73.7% (95% CI 60.0-87.1%) 的特异性.
- 该模型的决策过程是使用热图技术可视化的.
- 性能与人类诊断能力相当.
结论:
- 这项研究为眼皮肤病变提供了可靠的模型辅助诊断技术.
- 这种ML框架表明,它有可能帮助临床医生区分良性和恶性病变.
- 该技术可以减少医疗保健系统的负担,提高临床效率,特别是在偏远地区.
更多相关视频
09:37Combining Reflectance Confocal Microscopy with Optical Coherence Tomography for Noninvasive Diagnosis of Skin Cancers via Image Acquisition
Published on: August 18, 2022
2.3K
04:48Application of Deep Learning-Based Medical Image Segmentation via Orbital Computed Tomography
Published on: November 30, 2022
2.7K
