深度学习模型和非皮肤科医生在诊断牛皮,皮肤植物病和湿疹方面的比较性能

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:

• 区分状红血性皮疹,包括牛皮,湿疹和皮肤植物病,是一个重要的临床挑战,特别是对于非皮肤科医生.
• 准确的诊断对于有效的治疗和患者管理至关重要.

研究的目的:

• 开发和评估深度学习模型,使用宏观临床图像对牛皮,湿疹和皮肤植物病进行分类.
• 将这些AI模型的诊断性能与非专业临床医生进行比较.

主要方法:

• 从公共来源,皮肤病学数据库和新泰国参与者数据中编制了2940张临床图像的数据集.
• 评估了16个深度学习模型,Swin模型因其卓越的性能和可解释性而被选中.
• 梯度加权类激活映射 (Grad-CAM) 用于模型解释性,可视化特征焦点.

主要成果:

• 斯温深度学习模型在分类状红血性皮疹方面取得了最佳表现.
• Grad-CAM可视化证实了Swin模型的重点是临床相关的皮肤病特征.
• 在一项试点研究中,Swin模型表现出比非专业临床医生更高的诊断准确性.

结论:

• 深度学习模型,特别是Swin,显示出从临床图像中准确分类常见的状皮疹的潜力.
• 斯温模型能够专注于相关特征,并优于非专家,这表明它作为诊断辅助工具的实用性.
• 需要进一步研究更大,多样化的数据集来验证这些发现,并支持AI在皮肤病学中的临床整合.