通过使用基于图像 inpainting 的深度学习框架,稳定检测mpox 和非mpox
Yujun Cao1, Yubiao Yue2, Xiaoming Ma1
1Department of Basic Courses, Guangzhou Maritime University, Guangzhou, 510725, China.
Scientific reports
|January 10, 2025
概括
一种新的深度学习方法,Mask,Inpainting,andMeasure (MIM),可以从皮肤图像中有效检测mpox (麻疹). 这种方法提高了准确性,并处理噪音或不寻常的输入,帮助公共卫生工作.
科学领域:
- 人工智能的人工智能
- 医疗成像医学成像
- 皮肤病学 皮肤病学
背景情况:
- 马普克斯 (麻疹) 诊断缺乏高效的技术,阻碍了病例管理.
- 深度学习对mpox检测有希望,但面临着与真实世界的数据噪声和异常输入的挑战.
研究的目的:
- 开发一个强大的深度学习策略,用于准确的mopox检测.
- 克服现有方法的局限性,包括噪声敏感性和无法检测未知的条件.
主要方法:
- 提出了一种使用生成对抗网络的新"掩盖,涂抹和测量" (MIM) 策略.
- MIM通过inpainting掩面图像来学习mpox图像特征,并测量相似性以检测mpox与非mpox病例的相似性.
主要成果:
- 在mpox和非mpox皮肤病数据集上,MIM证明了有效性和稳定性.
- 实现了0.8237.7的接收器运行特征曲线 (AUROC) 下的平均面积.
- 外部临床测试验证了MIM的稳定性.
结论:
- 与传统分类模型相比,MIM为mopox检测提供了一种优越的方法.
- 该方法有效地处理未知的类别和异常输入,适合实际应用.
- 开发了一个免费的智能手机应用程序,以方便公众和医疗保健专业人员方便地检测mopox.
