基于深度卷积神经网络的黑色素瘤诊断算法及临床验证
陈伟 黎行宙 MOOI Weijun 陈骁俊 孙梦哲 韩文卿 陈敏刚 张艳
2021 (2):
108.
摘要
(
274 )
目的 利用深度卷积神经网络(Deep convolutional neural network,DCNN)架构训练皮肤疾病分类诊断系统,并
验证该系统在黑色素瘤-黑色素痣二分类任务中的准确度。 方法 基于数据库中 14 239 张带有诊断标签的皮肤镜图像
样本构建残差神经网络(ResNet DCNN),并在黑色素瘤-黑色素痣鉴别中与 21 名皮肤科医生(9 名专家级,12 名普通医
生)的诊断结果进行对照,验证其诊断效率。 结果 实验组灵敏度为 87?? 23%,特异度为 80?? 43%,AUC 为 0?? 9129;对照组
灵敏度为 80?? 45%±17?? 78%,特异度为 70?? 91%±11?? 66%。 DCNN 分类系统诊断灵敏度、特异度均高于 21 名医生的平均表
现。 结论 初步验证了 DCNN 系统在皮肤疾病分类中的有效性及其作为临床辅助诊断工具的可行性。
补充材料 |
相关文章 |
计量指标
|