在唇部疾病分类中深度学习等同于皮肤科医生

摘要

Summary 唇癌相对少见,但早期诊断是获得良好结局的重要因素。不幸的是,许多患者的诊断都有延误。一种新的机器学习方法,深度卷积神经网络 (DCNN),使用了据报道可以用于皮肤病分类的算法,其标准与委员会认证皮肤科医生的标准相同。然而,该方法还没有在嘴唇、头皮和生殖器等部位进行验证。 使用 DCNN 对恶性(癌)和良性(非癌)唇部疾病进行分类,并对其表现进行评价。这项研究中的影像来自韩国首尔国立大学医院 (SNUH) 的图片数据库。为了验证结果,从另外两家附属医院收集了额外的影像。总共使用了 1973 张来自 SNUH 的唇部影像,其中 853 例是恶性的,1120 例是良性的。 用 1629 张影像 (743 张恶性影像,886 张良性影像) 对 DCNN 进行了训练,并分别使用包含 344 张影像和 281 张影像的测试集和外部验证集来评估其表现。为了进行比较,要求 44 名接受过不同程度训练的参与者对影像进行分类。 研究发现,在对恶性肿瘤进行分类时, DCNN 的表现与皮肤科医生相当,优于非皮肤科医生。当非皮肤科医生参考 DCNN 的结果时,他们的表现要好得多。 因此, DCNN 可以用来按照相当于委员会认证皮肤科医生的标准对唇部疾病进行分类,它们可以帮助没有经验的医生区分唇部良性和恶性疾病。因此,DCNN 可以用来改善那些疑似唇癌患者的诊断和相应的患者预后。 本摘要涉及研究: 使用深度卷积神经网络对恶性唇部疾病进行皮肤科医生水平的分类