(HealthDay)——根據(jù)歐洲雜志1 月刊發(fā)表的一項研究，深度學(xué)習(xí)算法，如卷積神經(jīng)網(wǎng)絡(luò) (CNN)，可以自動客觀地執(zhí)行基于圖像的銀屑病面積和嚴(yán)重程度指數(shù) (PASI) 評分皮膚病學(xué)和性病學(xué)會。
來自荷蘭奈梅亨 Radbound 大學(xué)醫(yī)學(xué)中心的醫(yī)學(xué)博士 Mirjam J. Schaap 及其同事檢查了 CNN 在解剖區(qū)域進行基于圖像的自動 PASI 評分的性能。影像系列與主治醫(yī)師確定的 PASI 子評分相匹配。使用 576 個軀干、614 個手臂和 541 個腿部區(qū)域的標(biāo)準(zhǔn)化成像系列，對 CNN 進行了訓(xùn)練;每個解剖區(qū)域的每個 PASI 子評分(紅斑、脫屑、硬結(jié)和區(qū)域)的訓(xùn)練都是分開的。通過組內(nèi)相關(guān)系數(shù) (ICC) 確定與醫(yī)生在現(xiàn)實生活評估中確定的分?jǐn)?shù)的一致性。
研究人員發(fā)現(xiàn)，對于軀干區(qū)域，紅斑、脫屑、硬結(jié)和區(qū)域的 CNN 評分與真實評分之間的 ICC 分別為 0.616、0.580、0.580 和 0.793;腿部和手臂區(qū)域也出現(xiàn)了類似的結(jié)果。對于基于圖像的軀干區(qū)域 PASI 評分，五名接受過 PASI 培訓(xùn)的醫(yī)生彼此之間的一致性良好(ICC，0.706 至 0.793)。與醫(yī)生基于圖像的評分相比，紅斑(0.616 對 0.558)、硬結(jié)(0.580 對 0.573)和面積評分(0.793 對 0.694)的 CNN 評分與真實評分之間的 ICC 略高;在脫屑評分方面，醫(yī)生的表現(xiàn)略優(yōu)于 CNN(0.580 對 0.589)。
“在未來，自動 PASI 評分可以在(遠程)臨床實踐和臨床研究中實現(xiàn)客觀有效的 PASI 評分，”作者寫道。
標(biāo)簽：
免責(zé)聲明：本文由用戶上傳，如有侵權(quán)請聯(lián)系刪除！