基于深度学习的寻常型银屑病智能诊断方法的研究

• 作者: 陈宇翔 王磊 闫峻 周冬梅
• 来源期刊: 生物医学工程研究
• 学科: 医学
• 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
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 论著
• 页码范围: 353-357
• 页数: 5页
• 分类号: R318
• 语种: 中文
• DOI: 10.19529/j.cnki.1672-6278.2020.04.06

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.