论文部分内容阅读
目的:我们构建基于白癜风临床图像和卷积神经网络深度学习理论的白癜风诊断、皮损分割及面积、色度测量的人工智能模型,实现白癜风的人工智能辅助诊断和病情评价。方法:1.利用白癜风单反相机图像数据和YOLO V3算法建立皮损目标检测模型Vit 3,以敏感性作为评价指标,比较Vit 3的检测结果与皮肤科医生的标注,评价Vit 3的性能。在Vit 3的基础上,利用面部皮肤人工智能图像采集器拍摄的白癜风及非白癜风疾病的普通光学和紫外光图像数据,采用图像处理技术测量紫外光图像上皮损区域的灰度值,通过白癜风/非白癜风皮损灰度值阈值鉴别白癜风和非白癜风,建立诊断模型Vit 4,以准确率、敏感性、特异性作为评价指标,比较Vit 4与皮肤科医生的诊断结果,评价Vit4的性能。2.利用白癜风单反相机图像数据和PSPnet、Unet、Unet++算法分别建立VS3PSPnet、VS3Unet、VS3Unet++皮损分割模型,以平均交并比（mloU）和样本相似度（dice系数）作为评价指标,比较三个分割模型的性能,选择其中性能最优的作为最终的白癜风皮损分割模型。3.皮损面积的测量:①相对面积的测量:利用VISIA拍摄的治疗前后的普通光学和紫外光图像,治疗前皮损通过分割模型得到皮损区域及像素数;治疗后皮损通过紫外光图像和图像处理技术测量其像素数,根据治疗前后皮损像素数计算面积变化的相对值,相对面积=（疗前皮损像素数-疗后皮损像素数）/疗前皮损像素数×100%,建立了相对面积测量模型VArea1。比较VArea1与Photoshop软件的测量结果以及皮肤科医生肉眼估算的结果。②绝对面积的测量:在分割模型的基础上,测量单反相机图像上皮损的像素数,根据图像上1cm*2cm大小的标签计算单位像素对应的绝对面积,从而计算皮损的绝对面积,绝对面积=绝对面积/像素×像素数,建立了绝对面积测量模型VArea2。比较VArea2与Photoshop软件的测量结果。4.皮损色度的测量:①相对色度的测量:利用VISIA拍摄的治疗前后的普通光学图像,通过分割得到治疗前皮损区域,测量其IWA值;通过图像处理技术分别测量治疗前后正常皮肤、治疗后皮损的IWA值,计算相对色度。相对色度=（疗前皮损IWA值-疗后皮损IWA值）/（疗前皮损IWA值-疗前正常皮肤IWA值）×100%,建立了相对色度测量模型VColor1。比较VColor1的测量结果与皮肤科医生肉眼估算的结果。②在分割模型的基础上,测量单反相机图像上皮损的IWA值,建立了绝对色度测量模型VColor2。5.将VArea1和VColor1作为客观评价工具用于308nm准分子光治疗面部稳定期白癜风的疗效和安全性观察的临床研究中,对308nm准分子光、准分子激光治疗前后的皮损面积、色度变化进行测量,并与皮肤科医生的肉眼估算结果以及Photoshop的测量结果比较,进一步对VArea1和VColor1的性能进行评价。6.将Vit 3用于微信程序,实现Vit 3在手机端的实时检测。结果:1.目标检测模型Vit3:对200张白癜风和正常人单反相机图像（含167块白癜风皮损）的目标检测的敏感性为92.81%;诊断模型Vit 4:对97组面部皮肤人工智能图像采集器拍摄的面部图像（50组白癜风,30组白色糠疹,7组无色素痣,10组正常人）的诊断准确率为88.66%,敏感性为88%,特异性为89.36%,与皮肤科医生诊断的准确率差异无统计学意义（P>0.05）。2.皮损分割模型VS3Unet++:对100块单反相机图像的白癜风皮损进行分割,mIoU 为 79%,dice 系数为 88.42%。3.皮损面积的测量:①相对面积的测量:测量20组VASIA拍摄的治疗前后图像的相对面积,VArea1与Photoshop的测量结果无统计学差异（P>0.05）;VArea1测量结果与皮肤科医生肉眼估算结果具有很强的一致性（P<0.05）。②绝对面积的测量:测量27块单反相机图像白癜风皮损的绝对面积,VArea2与Photoshop的测量结果无统计学差异（P>0.05）;4.皮损色度的测量:相对色度的测量:测量20组VASIA拍摄的治疗前后皮损色度变化,VColor1的测量结果与皮肤科医生肉眼估算结果具有较强的一致性（P<0.001）。5.VArea1和VColor1在308nm准分子光治疗面部稳定期白癜风的疗效和安全性观察的临床研究中的应用:测量10组面部皮肤人工智能图像采集器拍摄的308nm光、308nm激光治疗前后图像中皮损的面积和色度变化,VArea1与皮肤科医生的肉眼估算结果具有很强的一致性,与Photoshop的测量结果无统计学差异;根据VArea1的测量结果比较308nm光、308nm激光治疗有效率,无统计学差异;VColor1与皮肤科医生肉眼估算结果具有较强的一致性;根据VColor1测量的相对色度的结果,比较308nm光、308nm激光治疗有效率,无统计学差异。6.Vit 3在手机端的实时检测:Vit 3对手机拍摄的100张白癜风和非白癜风图像（含74块白癜风皮损）的目标检测的敏感性为86.49%。结论:白癜风诊断和病情评价人工智能模型在白癜风诊断、皮损分割、面积、色度测量中显示出较好的性能,能够为临床和科研工作提供一种较为客观、便捷的白癜风诊断和病情评价的方法。