面部白癜风人工智能诊断模型的建立及评价
目的:构建面部白癜风人工智能诊断模型,实现面部白癜风的人工智能辅助诊断。方法:利用白癜风皮损单反相机图像和YOLO(You Only Look Once)v3算法建立皮损目标检测模型Vit3,比较Vit3模型的检测结果与皮肤科医生的标注结果,评价Vit3模型的性能。在Vit3模型的基础上,利用面部皮肤人工智能图像采集器拍摄的白癜风及非白癜风皮损的普通光学和紫外光图像,采用图像处理技术测量紫外光图像上皮损区域的灰度值,通过白癜风/非白癜风皮损灰度值阈值鉴别白癜风和非白癜风,建立面部白癜风诊断模型Vit4,通过Cochran′s
Q检验比较Vit4模型与皮肤科医生的诊断结果,评价Vit4模型的诊断性能。
结果:对于100张白癜风皮损(167处)和100张正常皮肤的单反相机图像,Vit3模型的诊断敏感性为92.81%(155/167)。对于97组(包括50组白癜风、30组白色糠疹、7组无色素痣、10组正常皮肤)面部皮肤图像,Vit4模型的诊断准确率为88.66%(86/97),敏感性为88.00%(44/50),特异性为89.36%(42/47),与皮肤科医生的诊断准确率92.78%(90/97)差异无统计学意义(
χ2=2.323,
P > 0.05)。
结论:建立了面部白癜风人工智能诊断模型Vit4,该模型显示出较好的诊断性能,提供了一种较为客观、便捷的面部白癜风辅助诊断方法。
白癜风、人工智能、诊断、图像处理,计算机辅助
54
2023-05-30(万方平台首次上网日期,不代表论文的发表时间)
共4页
586-589