皮肤病学中的OCT:确定是否需要完全多样化的数据集来构建AI模型的过程

科学领域:

• 皮肤病学 皮肤病学
• 生物医学成像技术 生物医学成像技术
• 人工智能的人工智能

背景情况:

• 光学连贯断层扫描 (OCT) 为皮肤病理检测提供深度透.
• 人工智能 (AI) 模型开发需要广泛的健康和患病皮肤数据集.
• 根据年龄和皮肤类型,健康皮肤的变化给人工智能模型培训带来了挑战.

研究的目的:

• 分析健康皮肤的衰减系数在不同皮肤类型和年龄的变化.
• 为AI模型开发建立对健康皮肤参数的基线理解.
• 简化基于人工智能的OCT皮肤成像数据采集过程.

主要方法:

• 选择了100名菲茨帕特里克皮肤类型I-V的受试者,年龄在13-83岁之间.
• 分析了皮肤和表皮的衰减系数,以及阳光照射和阳光保护区域的衰减系数.
• 进行统计分析以确定不同年龄,皮肤类型和位置的变化的重要性.
• 为减弱系数计算了95%的置信区间.

主要成果:

• 该研究量化了不同的人口统计和解剖位置的皮肤衰减系数的变化.
• 统计学意义确定了皮肤层和阳光照射/保护区域之间的比较.
• 对不同年龄和不同类型皮肤的衰减系数建立了置信区间.
• 确定了与人工智能模型培训相关的健康皮肤的关键参数及其变异.

结论:

• 使用像衰减系数这样的参数预先分析健康的皮肤特征对于有效的AI模型构建至关重要.
• 这种方法为优化对象招募和图像获取以人工智能为基础的OCT提供了路线图.
• 预计这些发现将加速人工智能驱动的OCT用于皮肤诊断的临床翻译.