基于深度学习的寻常型银屑病智能诊断方法的研究
陈宇翔1
王磊2
闫峻2
周冬梅3
1.北京中医药大学,北京100029;首都医科大学附属北京中医医院,北京1000102.医渡云(北京)技术有限公司,北京1000833.首都医科大学附属北京中医医院,北京100010
摘要：寻常型银屑病是一种常见的慢性皮肤病,由于病程长,需要进行长期的疾病管理.为了给寻常型银屑病在基层的诊治提供切实可行、低成本的方案,本研究将是否进行皮损分割作为条件,利用来自北京中医医院皮肤科的830例患者共计13409张皮损病历照片,训练了两个深度学习模型,探讨不使用皮损分割进行智能诊断的可行性.测试结果表明,使用已进行皮损分割数据建立的模型,准确率为87.812％,AUC值0.94;进行全图识别的模型,准确率为84.098％,AUC值0.91,不进行皮损分割对寻常型银屑病进行识别,能够取得良好的效果,同时能够节省大量的标注、算法适配时间,进一步提升皮肤病智能诊断系统的开发效率.
关键词：寻常型银屑病皮肤病皮损分割深度学习卷积神经网络
分类号：R318(医用一般科学)
资助基金：国家重点研发计划(2018YFC1705302)全国中医学术流派传承工作室建设项目(LPGZS2012-03)北京中医药科技发展资金项目(JJ2018-55)
论文发表日期：2020-12-25
在线出版日期：2026-09-11（本平台首次上网日期，不代表文献的发表时间）
页数：5( 353-357 )
英文信息