浅谈皮肤图像质量在AI研究中的价值
近年,以深度学习技术为代表的人工智能(AI)正席卷各行各业,而AI框架有多种,多数采用深度卷积神经网络(CNN)技术结合迁移学习进行训练,虽然在皮肤AI研究中取得长足进展,但其研究结果未能真正走出实验室进入临床应用.制约这些因素主要是缺乏高质量的皮肤疾病图像的大型数据集.本文针对皮肤科常见的图像采集方法,包括临床摄影图像、皮肤镜图像、反射式共聚焦激光扫描显微镜(RCM)图像、皮肤B超图像和组织病理图像的质量要素进行探讨和述评,希望对解决因皮肤图像质量的问题而影响AI研究进展的瓶颈问题能有所帮助.
皮肤图像质量、人工智能、皮肤摄影图像、皮肤镜图像、反射式共聚焦激光扫描显微镜图像、皮肤超声图像、组织病理图像
35
R445;R751;R857.3(诊断学)
2018-06-07(万方平台首次上网日期,不代表论文的发表时间)
共9页
229-237