颜色皮肤癌病变的像素级分类使用多谱自光终身皮肤镜成像

科学领域:

• 生物医学光学 生物医学光学
• 皮肤病学 皮肤病学
• 医学中的人工智能

背景情况:

• 缺乏客观的临床工具来识别可疑的皮肤癌病变.
• 需要在皮肤病学中使用先进的成像技术,以早期发现癌症.

研究的目的:

• 调查多光谱自光终身成像 (maFLIM) 皮肤镜特征的使用,以客观地区分恶性与良性色素皮肤病变.
• 用maFLIM数据评估机器学习模型来对皮肤病变进行分类.

主要方法:

• 从60个有色素的皮肤病变中获取临床maFLIM皮肤镜像.
• 随机森林和深度神经网络分类模型的探索.
• 评价光谱强度,双指数的maFLIM特征,并结合特征池与交叉验证.

主要成果:

• 时间解析的双指数自色特征对于检测恶性病变至关重要.
• 深度神经网络模型以76.84%的灵敏度和78.29%的特异性实现了损伤级别的分类.
• 随机森林分类器实现了74.73%的灵敏度和76.83%的特异性.

结论:

• 机器学习驱动的maFLIM皮肤镜显示了帮助医生识别需要活检的患者的潜力.
• 这项技术可以促进早期发现皮肤癌.
• 这种方法可能有助于减少不必要的活检率.