相关实验视频
Updated: Jan 10, 2026
05:39
Dermoscopy Aids in the Diagnosis of Discoid Lupus Erythematosus
Published on: May 16, 2025
529
先进的深度学习用于通过皮肤镜图像评估来早期诊断引起的皮肤病
1Department of Electrical and Electronics Engineering, Recep Tayyip Erdogan University, Rize, Turkey.
Journal of medical engineering & technology
|November 22, 2025
概括
一个新的深度学习框架使用皮肤镜像准确地检测出引起的皮肤疾病的早期迹象. 这种人工智能工具有助于皮肤科医生诊断有毒环境暴露,改善公共卫生监测.
科学领域:
- 环境健康 环境健康
- 皮肤病学 皮肤病学
- 人工智能的人工智能
背景情况:
- 暴露在有毒的环境中,特别是地下水中的,会导致严重的皮肤问题.
- 引起的皮肤疾病的早期诊断往往会延迟,使管理复杂化.
- 皮肤镜图像分析为早期检测这些疾病提供了潜在的潜力.
研究的目的:
- 开发和验证深度学习框架,用于早期诊断引起的皮肤疾病.
- 分析皮肤镜像以检测暴露的特征特征.
- 评估拟议的人工智能框架的诊断性能.
主要方法:
- 利用了8892张来自孟加拉国暴露和未受影响个体的皮肤镜像数据集.
- 采用了协同的ResNet-DenseNet架构来进行歧视性特征提取.
- 使用k-Nearest Neighbour算法分辨受影响皮肤与健康皮肤的分类图像.
主要成果:
- 实现了高诊断准确度,分类准确率为99.37%.
- 以99.36%的F1得分,99.14%的灵敏度和99.59%的回忆率表现出强大的性能.
- 该框架在识别与有关的皮肤病变方面显示出显著的可靠性.
结论:
- 深度学习框架为与有关的皮肤疾病提供了自动化,一致和客观的评估.
- 这种人工智能工具可以帮助皮肤科医生早期检测和管理有毒暴露效应.
- 该研究强调了在污染地区数据驱动的公共卫生监测的潜力.
关键词:
深度学习是一种深度学习.在 ResNet + DenseNet 组合下,可以将 ResNet + DenseNet 组合起来.早期诊断 早期诊断 早期诊断k-最近的邻居医学图像医学图像皮肤疾病 皮肤疾病
