使用结合混合深度学习的边缘增强算法检测麻疹皮肤病变
Hoor Ul Ain1, Shabana Ramzan1, Muhammad Munwar Iqbal2
1Department of Computer Science and IT, Government Sadiq College Women University, Bahawalpur, Pakistan.
Digital health
|February 27, 2026
概括
一个新的深度学习框架提供了从皮肤图像中改进的麻疹病变检测. 这种人工智能方法提高了诊断的准确性,并降低了医护人员的风险,帮助全球卫生响应.
科学领域:
- 皮肤病学中的人工智能
- 医学图像分析 医学图像分析
- 传染病诊断 传染病诊断 传染病诊断
背景情况:
- 麻疹构成全球健康威胁,需要超越传统聚合酶链反应 (PCR) 的先进检测方法.
- 由于成本,时间和医疗保健专业人员的传染风险,PCR受限.
- 创新解决方案对于有效和安全的天花诊断至关重要.
研究的目的:
- 引入一个轻量级的深度学习框架,以使用皮肤图像来增强水病变检测.
- 通过人工智能提高天花诊断的准确性和效率.
主要方法:
- 应用了一种新的边缘增强算法,结合了对比度有限的自适应式直方图平衡和双边过器来改进皮肤图像.
- 该框架使用六个预训练的深度学习模型和混合模型 (DenseNet121 + ConvNeXt-Tiny, DN-CXT) 进行了评估.
- 性能指标包括准确度,F1分数和精度,通过Adam,RMSprop和SGD进行优化.
主要成果:
- 拟议的DN-CXT模型表现出卓越的性能,测试准确率为97%,F1得分为97%,精度为99%.
- 其他模型,如DenseNet121,MobileNetV2,InceptionV3和ConvNeXt-Tiny,也提供了高性能.
- 该框架有效地增强了从皮肤图像中检测麻疹病变的功能.
结论:
- 开发的深度学习框架显著推进了用于病病变检测的医学图像分析.
- 人工智能驱动的方法可以集成到检测工作流程中,以提高诊断效率.
- 这种方法提高了医疗保健对新出现的传染病的反应,并降低了医疗人员的风险.
