使用人工智能自动化分析牛皮的严重程度:一个试点研究

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:

• 牛皮区域和严重程度指数 (PASI) 是评估牛皮严重程度的标准.
• 手动PASI评分面临环境变化和主观解释的挑战.
• 这项研究探讨了人工智能,以提高牛皮严重程度分类的客观性和一致性.

研究的目的:

• 开发和评估一个人工智能模型,用于客观的牛皮严重程度分类.
• 为了提高PASI评分的一致性,使用2D临床图像的特征.
• 根据红斑,厚度和化的严重程度对牛皮病变进行分类.

主要方法:

• 使用YOLOv8深度学习模型进行图像分类.
• 在云环境 (Google Colab) 中对三个不同的数据集进行了模型训练.
• 员工分层 k-fold 交叉验证,以进行可靠的绩效评估.

主要成果:

• YOLOv8模型在根据PASI分数对牛皮图像进行分类方面表现出了很高的有效性.
• 分层 k-fold 交叉验证在不同的数据集中提高了模型可靠性.
• 人工智能模型根据关键的PASI子组件准确地分类了病变严重程度.

结论:

• 人工智能,特别是YOLOv8,为自动化牛皮严重程度分类提供了显著的进步.
• 这种人工智能驱动的方法提高了评估红斑,厚度和缩放的客观性.
• 该研究强调了人工智能在标准化牛皮评估方面的潜力.