目的:研究數(shù)據(jù)集中圖像的皮膚背景顏色對(duì)黑色素瘤檢測(cè)過(guò)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(yàn)證集和測(cè)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(yàn)證和測(cè)試,測(cè)試結(jié)果通過(guò)敏感度、特異度、準(zhǔn)確度、平均精度和ROC的AUC等5項(xiàng)指標(biāo)進(jìn)行評(píng)估。最后在白色皮膚數(shù)據(jù)訓(xùn)練得到的模型上對(duì)黃色皮膚圖像的測(cè)試集進(jìn)行檢測(cè),并與測(cè)試集和訓(xùn)練集均來(lái)自黃色皮膚圖像的結(jié)果進(jìn)行對(duì)比。結(jié)果:在網(wǎng)絡(luò)模型與超參數(shù)相同的前提下,測(cè)試集與訓(xùn)練集來(lái)自同類數(shù)據(jù)集（均為黃色皮膚圖像）時(shí),測(cè)試結(jié)果5項(xiàng)指標(biāo)之差均不大于1%;測(cè)試集與訓(xùn)練集來(lái)自不同類的數(shù)據(jù)集（測(cè)試集為黃色皮膚圖像,訓(xùn)練集為白色皮膚圖像）時(shí),準(zhǔn)確度、敏感度和平均精度3項(xiàng)指標(biāo)較測(cè)試集與訓(xùn)練集來(lái)自同類數(shù)據(jù)集時(shí)下降幅度超過(guò)1%。結(jié)論:當(dāng)測(cè)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(shí),模型性能下降明顯,皮膚顏色對(duì)深度學(xué)習(xí)算法檢測(cè)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(dòng)檢測(cè)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(yè)數(shù)】：5 頁(yè)

【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(wèn)題）

ROC曲線圖（九分類問(wèn)題）

【參考文獻(xiàn)】：
期刊論文
[1]基于深度學(xué)習(xí)的器官自動(dòng)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(shí)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(bào). 2019(04)
[3]基于深度學(xué)習(xí)方法檢測(cè)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(shí)別[J]. 李航,余鎮(zhèn),倪東,雷柏英,汪天富.  中國(guó)生物醫(yī)學(xué)工程學(xué)報(bào). 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(hào)：3673527