目的:研究數(shù)據(jù)集中圖像的皮膚背景顏色對黑色素瘤檢測過程中深度學(xué)習(xí)算法性能的影響。方法:從海量帶標(biāo)簽的皮膚鏡圖像中區(qū)分白色皮膚圖像和黃色皮膚圖像2類數(shù)據(jù)集,并將2類數(shù)據(jù)集分別按一定比例劃分為訓(xùn)練集、驗證集和測試集。將白色皮膚圖像和黃色皮膚圖像2類數(shù)據(jù)集在ResNet-152網(wǎng)絡(luò)和相同的超參數(shù)下進(jìn)行訓(xùn)練、驗證和測試,測試結(jié)果通過敏感度、特異度、準(zhǔn)確度、平均精度和ROC的AUC等5項指標(biāo)進(jìn)行評估。最后在白色皮膚數(shù)據(jù)訓(xùn)練得到的模型上對黃色皮膚圖像的測試集進(jìn)行檢測,并與測試集和訓(xùn)練集均來自黃色皮膚圖像的結(jié)果進(jìn)行對比。結(jié)果:在網(wǎng)絡(luò)模型與超參數(shù)相同的前提下,測試集與訓(xùn)練集來自同類數(shù)據(jù)集（均為黃色皮膚圖像）時,測試結(jié)果5項指標(biāo)之差均不大于1%;測試集與訓(xùn)練集來自不同類的數(shù)據(jù)集（測試集為黃色皮膚圖像,訓(xùn)練集為白色皮膚圖像）時,準(zhǔn)確度、敏感度和平均精度3項指標(biāo)較測試集與訓(xùn)練集來自同類數(shù)據(jù)集時下降幅度超過1%。結(jié)論:當(dāng)測試數(shù)據(jù)與模型訓(xùn)練數(shù)據(jù)為2種不同皮膚顏色圖像時,模型性能下降明顯,皮膚顏色對深度學(xué)習(xí)算法檢測黑色素瘤的性能有顯著影響。為了提高黃種人黑色素瘤自動檢測算法性能,需要收集更多黃種人皮膚鏡圖像數(shù)據(jù)。 

【文章頁數(shù)】：5 頁

【部分圖文】：

2類不同皮膚背景顏色的皮膚鏡圖像

ROC曲線圖（二分類問題）

ROC曲線圖（九分類問題）

【參考文獻(xiàn)】：
期刊論文
[1]基于深度學(xué)習(xí)的器官自動分割研究進(jìn)展[J]. 郭雯,鞠忠建,吳青南,全紅,戴相昆.  醫(yī)療衛(wèi)生裝備. 2020(01)
[2]基于深度殘差網(wǎng)絡(luò)的皮膚癌黑色素瘤識別[J]. 管秋,李疆,胡海根,龔明杰,陳峰.  浙江工業(yè)大學(xué)學(xué)報. 2019(04)
[3]基于深度學(xué)習(xí)方法檢測皮膚鏡圖像中黑色素瘤的研究進(jìn)展與展望[J]. 張杰,趙惠軍,李賢威,法振宗,王亞林.  醫(yī)療衛(wèi)生裝備. 2018(11)
[4]基于深度殘差網(wǎng)絡(luò)的皮膚鏡圖像黑色素瘤的識別[J]. 李航,余鎮(zhèn),倪東,雷柏英,汪天富.  中國生物醫(yī)學(xué)工程學(xué)報. 2018(03)
[5]深度學(xué)習(xí)在輕度認(rèn)知障礙轉(zhuǎn)化與分類中的應(yīng)用分析[J]. 張柏雯,林嵐,吳水才.  醫(yī)療衛(wèi)生裝備. 2017(09)



本文編號：3673527