从智能手机图像中使用人工智能驱动的皮肤癌检测:使用ViT,自适应值,黑帽转换和XGBoost的混合模型
Adil El Mertahi1, Hind Ezzine2, Samira Douzi2,3
1LIM Laboratory, FSTM, Hassan II University in Casablanca, Morocco.
PloS one
|July 28, 2025
概括
这项研究介绍了一种使用智能手机图像进行皮肤癌检测的AI模型. 人工智能方法在分类各种皮肤病变方面取得了高准确性,有助于早期诊断.
科学领域:
- 皮肤病学 皮肤病学
- 人工智能的人工智能
- 医疗成像医学成像
背景情况:
- 皮肤癌是全球主要的健康问题,需要改进的诊断工具.
- 人工智能 (AI),特别是深度学习,显示出提高皮肤癌查准确性和效率的前景.
研究的目的:
- 开发和评估基于人工智能的模型,使用智能手机图像对六种类型的皮肤病变进行分类.
- 将深度学习功能与临床变量相结合,以提高诊断性能.
主要方法:
- 智能手机图像使用自适应学习和黑帽转换进行预处理.
- 视觉变压器 (ViT) 用于特征提取.
- 一个堆叠模型将ViT特征与患者年龄和性别结合起来进行分类.
主要成果:
- 该模型在六个皮肤病变类别中实现了97.61%的整体准确性.
- 绩效指标包括一个正预测值 (PVV) 的96.88%,召回的97.63%,和F1得分的97.19%.
- 该模型在检测恶性皮肤病变方面表现出高效.
结论:
- 拟议的AI模型有效地从智能手机图像中对皮肤病变进行分类.
- 这种方法可以通过提高诊断灵敏度和特异性来帮助皮肤科医生.
- 早期和准确检测可疑的病变可以导致及时的患者护理,并可能挽救生命.
