自动化高频超声波图像分析在阿托皮性皮肤炎阶段化中的有用性

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:

• 高频超声波 (HFUS) 在皮肤病学中表现有前途,特别是在阿托皮性皮肤炎 (AD) 中.
• 在HFUS上,皮下低回声带 (SLEB) 可能表明AD患者的治疗有效性.
• 目前对AD的诊断方法可能是主观的,需要专家解释.

研究的目的:

• 提出和评估一种计算机辅助诊断 (CAD) 方法,用于评估使用HFUS的亚托皮炎 (AD).
• 为可靠和可重复的HFUS分析开发一个完全自动化的图像处理框架.
• 将自动化方法的性能与专家临床评估进行比较.

主要方法:

• 开发了一个基于机器学习的图像处理框架,用于自动化SLEB细分和分类.
• 利用80名阿尔茨海默氏症患者的20MHzHFUS图像数据集,在治疗前后进行评估.
• 将自动化结果与专家注释 (两个专家,两个间隔) 和临床IGA分数进行比较.

主要成果:

• 实现了SLEB (0.908) 和入口回声层 (0.936) 分段的高子系数.
• 自动 SLEB 存在检测的准确性达到了 98%,超过了专家评估 (96%).
• 整体AD评估准确度为69% (科恩的卡帕为0.78),与专家评估 (64-70%) 相比.

结论:

• 自动化HFUS分析方法在SLEB检测和AD评估方面表现出高准确性.
• 该CAD系统显示了客观,可重复的皮肤分析的潜力,并有助于临床决策.
• 将这种自动化方法与标准诊断相结合,可以改善AD的监测和皮肤过程的理解.