MRpoxNet:一种增强的深度学习方法,用于早期检测麻疹,使用修改后的ResNet50
Vandana1, Chetna Sharma1, Mohd Asif Shah2,3,4
1Chitkara University Institute of Engineering and Technology, Chitkara University, Rajpura, India.
Digital health
|February 27, 2025
概括
一个新的深度学习模型,MRpoxNet,通过皮肤图像准确地检测水. 这种先进的AI工具显示了用于早期识别水的高诊断准确性.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 皮肤病学 皮肤病学
背景情况:
- 早期检测水对于有效的公共卫生反应至关重要.
- 数字成像为诊断皮肤疾病提供了一种非侵入性方法.
- 深度学习模型在分析医疗图像以识别疾病方面表现有前途.
研究的目的:
- 开发一个增强的深度学习模型,MRpoxNet,用于早期发现麻疹.
- 为了实现高诊断准确度和临床可靠性,从皮肤病变中识别水.
- 为了提高性能,利用修改后的ResNet50架构.
主要方法:
- 利用了6116张皮肤病变图像 (水,非水,正常皮肤) 的增强数据集.
- 通过将ResNet50架构扩展到额外的层次来开发MRpoxNet.
- 使用准确度,精度,回忆度,F1得分,灵敏度和特异性评估性能,与已建立的模型进行比较.
主要成果:
- MRpoxNet的诊断准确率达到了98.1%,超过了基线模型.
- 该模型在区分麻疹病变方面表现出卓越的稳定性.
- 所有关键性能指标都显示出高诊断可靠性.
结论:
- MRpoxNet提供了一个强大的和高效的解决方案,用于早期发现麻疹.
- 该模型的性能表明它适合整合到临床诊断工作流程中.
- 未来的工作包括数据集的扩展和多模式适应性,用于各种临床场景.
