深度学习模型识别掌足底脓疱病的面积分
根据2月23日在线发表在《美国医学杂志》上的一项研究，一种深度学习模型可以准确地评估掌足底脓疱病面积和严重程度指数(PPPASI)的区域分皮肤病学杂志。
来自韩国首尔国立大学盆唐医院的Kyungho Paik及其同事开发并验证了基于深度学习的算法，以便对PPP中涉及的病变区域进行自动化和可靠的评估。一个数据集153例PPP患者手掌和脚底的611张图像。通过将手掌或脚底区域的像素数除以来评估病变的面积。
两个卷积神经网络(CNN)使用注意力U-net开发了可以评估受影响区域百分比的模型，并分配了从0到6的分数。
研究人员发现，在98.8%的图像中，PPPASI的区域分值由深度学习算法与基础真理的分值相同或相差1分。CNN与ground truth的类内相关系数为0.879，一致性较好。模型的准确率为66.7%，平均绝对误差为0.344。受影响区域百分比的大部分差异位于Bland-Altman图中95%的置信区间之间。
作者写道:“我们的研究结果表明，这种深度学习算法有可能准确、快速地自动估计PPPASI的区域分。”
更多信息:Kyungho Paik等人，利用注意力U - net深度学习算法评估掌跖脓疱病面积和严重程度指数的面积子评分，皮肤病学杂志(2023)。DOI: 10.1111 / 1346 - 8138.16752
版权所有©2023每日健康。版权所有。
引用:深度学习模型id掌足底脓疱病的区域分(2023,March 23)， 2023年4月26日检索自//www.pyrotek-europe.com/news/2023-03-deep-ids-area-subscore-palmoplantar.html
本文档受版权保护。除为私人学习或研究目的而进行的任何公平交易外，未经书面许可，不得转载任何部分。内容仅供参考之用。
