AI-Skin：基于闭环框架下自学习与宽数据收集的皮肤疾病识别
计算机视觉与模式识别
2019-06-06 v1 图像与视频处理
摘要
人体皮肤状况的变化存在诸多隐患，例如长时间暴露于紫外线辐射引起的晒伤，不仅造成美观影响导致心理抑郁和缺乏自信，甚至可能因皮肤癌变而危及生命。当前皮肤疾病研究采用自动分类系统以提高皮肤疾病分类的准确率。然而，对图像样本库的过度依赖无法为不同人群提供个体化诊断服务。为克服该问题，本文提出一种基于数据宽度演进与自学习的医疗AI框架，以提供满足实时性、可扩展性和个体化要求的皮肤疾病医疗服务。首先，讨论了用户与远程医疗数据中心在闭环信息流中的宽数据收集。其次，给出一种基于信息熵的数据集过滤算法，以减轻边缘节点负载同时提升远程云分析模型的学习能力。此外，该框架提供外部算法加载模块，可根据所选模型兼容应用需求。加载并比较了LeNet-5、AlexNet和VGG16三种深度学习模型，验证了算法加载模块的通用性。搭建了所提实时、个体化、可扩展皮肤疾病识别系统的实验平台，并分析了测试人员与远程数据中心交互场景下的系统计算与通信时延。结果表明，我们所提系统可靠且有效。
引用
@article{arxiv.1906.01895,
title = {AI-Skin : Skin Disease Recognition based on Self-learning and Wide Data Collection through a Closed Loop Framework},
author = {Min Chen and Ping Zhou and Di Wu and Long Hu and Mohammad Mehedi Hassan and Atif Alamri},
journal= {arXiv preprint arXiv:1906.01895},
year = {2019}
}