人工智能成像模型的性能检测皮肤表现在高等Fitzpatrick肤色分类

介绍

背景

在皮肤,人工智能(AI)准备改善传统诊断方法的效率和准确性,包括外观检查、皮肤活检,病理组织检查(1]。深度学习图像识别模型在区分皮肤疾病有成功使用的图片浅肤色的人。然而,当这些模型测试图像的皮肤的颜色,性能下降(2]。人们认为这种差异的主要原因是缺乏可用的图像在深色肤色的人皮肤疾病(Fitzpatrick分类的皮肤类型4和5)(3]。然而,也可能即使相同数量的图像,图像识别模型将会更难区分皮肤疾病相比,个人的肤质类型4和5的皮肤类型1、2和3 ?

客观的

本研究的目的是评估图像识别模型是否执行不同的颜色区分皮肤疾病时个人(肤质类型4和5)比白种人当区分相同的皮肤疾病(肤质类型1、2和3)两种模型训练时同等数量的图像。

方法

开源的黑色素瘤和基底细胞癌(BCC)从希腊获得皮肤阿特拉斯(4),皮肤病阿特拉斯(5],互动皮肤病地图集[6],DermNet新西兰(7]。两个图像识别模型训练、验证和测试使用方法如前所述[8]。TensorFlow [9),由谷歌开源软件库,用作深度学习框架,用于培训《盗梦空间》,版本3 (v3)。《盗梦空间》v3是深卷积神经网络。这个神经网络由多个计算层的层次结构,每个输入和输出。所有层除了最后一层的神经网络是pretrained超过120万的图像。最后一层的神经网络与聚集皮肤图像重新训练。在培训过程中,神经网络进行了训练和验证步骤。在训练步骤中,输入图像被用来训练神经网络。在验证步骤中,输入天真迭代图像被用来评估训练精度(10]。

后已经重新训练模型训练和验证,用户输入测试/评估步骤是执行测试图像输入和结果统计分析。项目评估输出的概率是用百分比来表示每个皮肤表现为每个测试图像输入。R软件(R统计计算的基础)11)被用来执行统计分析。敏感性,特异性,阳性预测值(PPV),阴性预测值(NPV), F1得分计算为每个皮肤表现。F1得分的调和平均数PPV敏感性和召回和精确的(平均)。

每个模型的目的是区分黑色素瘤和BCC。

第一个模型是:

• 训练150图片的浅肤色(肤质类型1、2和3),75黑素瘤和75 BCC图像;
• 验证在38个人与光的图像肤色(肤质类型1、2和3),19个黑色素瘤和19 BCC图像;
• 30日测试图像的浅肤色(肤质类型1、2和3),15个黑色素瘤和15 BCC图像。

第二个模型是:

• 训练150患者的皮肤图像的颜色(4和5的肤质类型),75黑素瘤和75 BCC图像;
• 验证在38个人皮肤的颜色的图片(4和5的肤质类型),19个黑色素瘤和19 BCC图像;
• 30日测试图像的皮肤的颜色(4和5的肤质类型),15个黑色素瘤和15 BCC图像。

接受者操作特征(AUC)曲线下面积为黑色素瘤和BCC计算来确定两个模型的性能。

结果

当被要求区分黑色素瘤和BCC、图像识别模型训练和验证光的图像肤色有更高的敏感性,特异性,PPV, NPV, F1的分数比图像识别模型训练和验证图像的皮肤颜色(表1)。

在预测黑色素瘤,图像识别模型训练和验证图像的光肤色的敏感性为0.60,特异性为0.53,PPV的0.56,0.57的NPV, F1得分为0.58。另一方面,在预测黑色素瘤,相同的图像识别模型训练和验证图像的皮肤颜色的敏感性为0.53,特异性为0.47,PPV的0.50,0.50的NPV, F1得分为0.52分。

预测BCC、图像识别模型训练和验证图片的浅肤色的敏感性为0.53,特异性为0.60,PPV的0.57,0.56的NPV, F1得分为0.55。另一方面,BCC的预测,相同的图像识别模型训练和验证图像的皮肤颜色的敏感性为0.47,特异性为0.53,PPV的0.50,0.50的NPV, F1得分为0.48。

的平均AUC两个光肤色图像识别模型为0.598,相比0.500(值指出区别)的皮肤颜色图像识别模型(表1和图1)。

‎ 把这个图

讨论

限制

可用图像的数量有限的肤质类型4和5;因此,浅肤色和皮肤颜色模型研究了这个约束培训期间使用的图像。更大的样本量是更好的测试结果重现。

结论

当相同数量的图像用于培训、验证和测试,人工智能模型,提供皮肤黑色素瘤和BCC属于Fitzpatrick分类的图像类型1、2和3表现好于人工智能模型,提供皮肤中黑色素瘤和BCC的图像类型4和5。这可能是因为皮肤疾病可以有更多的变化表现在深色皮肤的人;此外,皮肤表现可能不是那么容易区别的周围皮肤深色皮肤的人。这样,更多的图像颜色的皮肤与皮肤疾病比图片浅肤色的皮肤疾病需要收集执行同样的人工智能模型。