使用深度学习对韩国队列的三眼镜图像进行自动化早期检测雄激素脱发:一项回顾性模型开发和验证研究
Min Jung Suh1, Sohyun Ahn2, Ji Yeon Byun3
1Ewha Womans University College of Medicine, Seoul, Korea.
Ewha medical journal
|July 31, 2025
概括
一个新的深度学习模型使用头皮图像准确地检测早期雄激素脱发 (AGA). 这种人工智能工具表现出高性能,支持其在临床和远程皮肤学中用于早期检测脱发.
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:
- 雄激素性脱发症 (AGA) 是一种常见的脱发形式.
- 早期发现AGA对于有效治疗至关重要.
- 三光镜图像提供了详细的头皮和毛囊信息.
研究的目的:
- 开发和验证用于自动早期AGA检测的深度学习模型.
- 用三光镜图像来评估模型的诊断性能.
- 评估该模型在韩国临床队列中的实用性.
主要方法:
- 一项回顾性研究使用了318张由皮肤科医生分类的三镜头头皮图像.
- 一个ResNet-18卷积神经网络对二进制分类进行了微调 (BASP 0与BASP 1-3).
- 内部验证采用5倍交叉验证;外部验证采用集体软投票方法在持有集.
主要成果:
- 内部验证显示了高性能 (精度>0.90,AUC>0.93在4/5的折叠).
- 外部验证实现了0.90准确度和0.97AUC,对于早期脱发的完美回忆.
- 该模型在没有数据增强的情况下证明了稳定的趋同.
结论:
- 深度学习模型准确且一般地从三光镜图像中检测到早期的AGA.
- 该模型显示了在临床实践中作为一种有价值的查工具的潜力.
- 这种人工智能方法可以在远程皮肤学中帮助早期脱发诊断.
