皮肤科医师vs.人工智能:色素痣和脂溢性角化病诊断准确率的比较研究

王诗琪刘洁朱晨雨舒畅周航宁谢凤英徐涛晋红中 · 2018

阅读量：149

脂溢性角化病

会议名称：

2018全国中西医结合皮肤性病学术年会

会议时间：

2018-04-19 00:00:01

会议地点：

中国贵州贵阳

摘要：

目的:评估深度卷积神经网络(convolutional neural network,CNN)对皮肤疾病图像的自动分类能力。方法:使用5094幅色素痣和脂溢性角化病(seborrheic keratosis,SK)的皮肤镜图像对CNN网络ResNet-50利用迁移学习进行训练。使用得到的CNN二分类模型对30幅色素痣和30幅SK的皮肤镜图像进行自动分类。同时,95位经过皮肤镜培训的有经验的皮肤科医师对相同的皮肤镜图像及对应的临床图像进行诊断。然后将二者的诊断准确率进行比较,并对CNN错误分类的图像做进一步统计分析。结果:CNN自动分类模型对色素痣和SK的皮肤镜图像的分类准确率分别为100%和76.67%,总准确率为88.33%,95位皮肤科医师的诊断准确率平均值分别为82.98%和85.96%,总准确率为84.47%,P>0.05,结果无显著统计学差异。CNN错误分类的可能原因被分为三类:特殊类型、具有典型特征但存在干扰因素、具有典型特征尚找不到错误分类的原因。结论:CNN自动分类模型在色素痣和SK皮肤镜图像的二分类任务中的表现与有经验的皮肤科医师水平相当。CNN错误分类的原因仍需皮肤科医师与人工智能专业人员共同探索。