您的账号已在其他设备登录,您当前账号已强迫下线,
如非您本人操作,建议您在会员中心进行密码修改

确定
收藏 | 浏览0 | 下载0

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

作者:郭丽芳;葛一平;杨寅;林彤

来源:中华皮肤科杂志 2021 年 54卷 7期

知识库介绍

临床诊疗知识库该平台旨在解决临床医护人员在学习、工作中对医学信息的需求,方便快速、便捷的获取实用的医学信息,辅助临床决策参考。该库包含疾病、药品、检查、指南规范、病例文献及循证文献等多种丰富权威的临床资源。

详细介绍
热门关注
免责声明:本知识库提供的有关内容等信息仅供学习参考,不代替医生的诊断和医嘱。

收藏
| 浏览:0 | 下载:0
作者:
郭丽芳;葛一平;杨寅;林彤
来源:
中华皮肤科杂志 2021 年 54卷 7期
标签:
白癜风 人工智能 诊断 图像处理,计算机辅助 Vitiligo Artificial intelligence Diagnosis Image processing, computer-assisted
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