自动检测良性和恶性皮肤病变从反射共聚焦显微镜图像使用深度学习
Jesutofunmi A Omiye1,2, Babar K Rao3,4, Shazli Razi5
1Department of Dermatology, Stanford University, Stanford, California, USA.
JID innovations : skin science from molecules to population health
|October 13, 2025
概括
人工智能 (AI) 模型现在可以解释皮肤病变的反射共聚焦显微镜 (RCM) 图像,自动诊断. 这种人工智能方法显示出高精度,可能减少侵入性皮肤活检的需要.
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:
- 反射共聚焦显微镜 (RCM) 是用于皮肤病变诊断的非侵入性工具.
- 它的使用不足源于需要专门的口译技能.
- 人工智能 (AI) 为自动化RCM图像分析提供了一个解决方案.
研究的目的:
- 开发和评估用于自动化RCM图像分析的深度学习模型.
- 为了提高皮肤病变的RCM的诊断准确度.
- 评估AI在区分良性和恶性皮肤病变方面的潜力.
主要方法:
- 开发了两种深度学习模型:ResNet-18用于皮肤层检测,ResNet-34用于病变分类,具有封闭的反复单元.
- 模型在第三代RCM图像上进行了预训练,并在第四代数据上进行了微调.
- 在4391张RCM图像中利用了845名患者的队列,其中有1147个病变.
主要成果:
- 层检测模型实现了0.70 (皮肤),0.71 (表皮肤) 和0.57 (皮肤上皮肤结节) 的曲线下的面积 (AUC).
- 病变分类模型区分恶性和良性病变,AUC的特异性为0.80和0.91.
- 人工智能模型的诊断准确度与专家皮肤科医生相美.
结论:
- 使用人工智能对RCM图像的分析可以有效地区分良性与恶性皮肤病变.
- 这项技术有可能增强RCM解释,减少不必要的活检,并指导未来的研究.
- 人工智能集成可以显著改善护理点皮肤病变的诊断.


