人工智能驱动的皮肤癌诊断改进:使用皮肤镜数据的两阶段投票合奏方法
Tsu-Man Chiu1,2, Yun-Chang Li2, I-Chun Chi3
1School of Medicine, Chung Shan Medical University, Taichung 402, Taiwan.
Cancers
|January 11, 2025
概括
这项研究开发了一种AI诊断模型,以改善皮肤癌的检测. 两阶段的AI方法显著减少了恶性病变的错误分类,提高了黑色素瘤和其他皮肤癌的诊断准确度.
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:
- 皮肤癌,包括致命的黑色素瘤,是一个全球性的健康问题.
- 目前的检测方法是有效的,但成本高且耗时.
- 人工智能 (AI) 在改善皮肤癌诊断方面表现有前途.
研究的目的:
- 开发和验证用于皮肤癌检测的AI诊断模型.
- 为了提高诊断的准确性和减少恶性病变的假阴性.
- 评估模型在不同种族数据集中的表现.
主要方法:
- 利用ISIC和CSMU医院的数据集进行模型开发.
- 微调了8个预训练的AI模型,包括CNN和视觉变换器.
- 实施了两阶段的分类策略,并采用了整体模型来提高准确性.
主要成果:
- 在ISIC数据集中显著减少恶性病变的假阴性.
- 在CSMUH数据集中完全消除了恶性病例的虚假阴性.
- 证明了诊断精度的提高和错误分类率的降低.
结论:
- 人工智能模型成功地区分了黑色素瘤,非黑色素瘤皮肤癌和良性病例.
- 一个两阶段的分类策略有效地减少恶性病变的假阴性.
- 人工智能具有作为一种有价值的临床工具的潜力,可以改善皮肤癌诊断并降低死亡率,特别是在资源有限的环境中.
