皮肤病变分析中的 AI 进展
图像与视频处理
2020-10-12 v2 计算机视觉与模式识别
机器学习
摘要
我们考察了 AI 用于检测皮肤病变的进展，特别关注急性莱姆病的游走性红斑皮疹，以及其他病变，例如来自带状疱疹（ shingles）、体癣、多形红斑、蜂窝织炎、昆虫叮咬或蜱虫叮咬等疾病的病变。我们讨论了这些应用的重要挑战，特别是关于深色皮肤个体缺乏皮肤图像的 AI 偏差问题，能够相比正常皮肤准确地检测、描绘和分割图像中的病变或感兴趣区域，以及低样本学习（以极少训练图像解决分类问题）。解决这些问题有的属于高度期望的需求——例如描绘，可能有助于区分相似类型的病变并进行改进诊断——或是必需的，如 AI 去偏差，以允许在诊所部署公平的 AI 技术用于皮肤病变分析。特别是对于低样本学习问题，我们报告了相比基线算法在低样本下性能优雅退化且仍表现良好的皮肤分析算法：当每类仅使用少至 10 个训练样本时，基线深度学习算法性能显著退化，准确率为 56.41%，接近随机，而性能最佳的低样本算法准确率为 85.26%。
引用
@article{arxiv.2009.13323,
title = {AI Progress in Skin Lesion Analysis},
author = {Philippe M. Burlina and William Paul and Phil A. Mathew and Neil J. Joshi and Alison W. Rebman and John N. Aucott},
journal= {arXiv preprint arXiv:2009.13323},
year = {2020}
}