MILK10k:用于诊断有色素和无色素皮肤癌及其模拟器的分层多模式成像学习工具包
Philipp Tschandl1, Bengu Nisa Akay2, Cliff Rosendahl3
1Division for Applied AI Research in Dermatology, Department of Dermatology, Medical University of Vienna, Vienna, Austria; Comprehensive Center for Artificial Intelligence in Medicine, Medical University of Vienna, Vienna, Austria.
The Journal of investigative dermatology
|July 23, 2025
概括
这项研究介绍了MILK10k,这是一个用于AI诊断的大型多模式皮肤病变数据集. 它增强了机器学习模型,用于分类恶性瘤和其他皮肤疾病.
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:
- 准确诊断皮肤病变,特别是恶性瘤,至关重要.
- 现有的数据集往往缺乏皮肤色调,疾病覆盖和图像类型的多样性.
- 机器学习在帮助皮肤病诊断方面表现有前途,但需要可靠的数据.
研究的目的:
- 推出MILK10k,一个全面的多式联络图像数据集,用于人工智能驱动的皮肤病变诊断.
- 扩大疾病分类能力,超越现有的数据集.
- 为评估人工智能模型和人类读者提供一个基准.
主要方法:
- 从5个中心的5240例病例中收集了10480张多式影像 (近距离和皮肤镜像).
- 包括48个国际皮肤成像协作指定的诊断匹配的诊断,涵盖瘤和非瘤病变.
- 整合了来自不同肤色和罕见疾病的图像,在95.7%的病例中,基因病理学是基本真理.
主要成果:
- MILK10k数据集包含各种皮肤病变图像与详细的元数据.
- 开发了一个机器学习管道,以基于可解释的概念来评估图像.
- 为绩效评估创建了一个基准测试集和在线工具.
结论:
- MILK10k提供了一个有价值的资源,用于在皮肤病变诊断中推进AI.
- 数据集和相关工具有助于开发和验证诊断算法.
- 这项工作支持皮肤病诊断的提高准确性和可访问性.
