基于卷积神经网络的基底细胞癌和色素痣的临床图像鉴别

• 作者: 何小宇 李芳芳 沈敏学 谢斌 赵爽 黄伟红
• 来源期刊: 中南大学学报（医学版）
• 关键词: 卷积神经网络 基底细胞癌 色素痣 中国人种 临床图像 辅助诊断 人工智能
• 年，卷（期）: 2019,（9）
• 所属期刊栏目: 论著
• 页码范围: 1063-1070
• 页数: 8页
• 字数: 5092字
• 语种: 中文
• DOI: 10.11817/j.issn.1672-7347.2019.190205

摘要

目的:利用卷积神经网络(convolutional neural network,CNN)算法构建基于临床图像的基底细胞癌和色素痣的智能辅助诊断模型.方法:首先,基于湘雅医学大数据平台构建一个大规模的以中国人种为主的皮肤疾病临床图像数据集——湘雅皮肤疾病数据集;在此数据集的基底细胞癌和色素痣的子集上评估5种主流CNN模型(ResNet50,InceptionV3,InceptionResNetV2,DenseNet121,Xception)的分类性能;以热力图的形式分析模型诊断结果的依据;将最优的CNN分类模型与30名专业的皮肤科医生对100例患者临床图像鉴别进行对比.结果:湘雅皮肤疾病数据集包含150 223幅带有病变区域标记的临床图像,涵盖543类皮肤疾病,且数据集内每幅图片都包含病理金标准的支持和患者的病史资料.在由349幅基底细胞癌和497幅色素痣的测试集上,最优的CNN模型为Xception,其分类正确率可以达到93.5％,其中基底细胞癌和色素痣曲线下面积(area under curve,AUC)分别为97A％和96.9％.热力图的结果表明CNN模型能学习到与疾病鉴别相关的特征.Xception模型在鉴别基底细胞癌和色素痣的临床图像的能力与专业皮肤科医生基本相当.结论:本研究属于首次基于中国人种临床数据集的皮肤肿瘤的辅助诊断研究,证明了CNN模型具有对于中国人种基底细胞癌和色素痣的鉴别能力,为后续人工智能在皮肤肿瘤中的诊疗应用奠定了扎实基础.