基于序列皮肤镜图像的早期黑色素瘤诊断
图像与视频处理
2021-10-13 v1 计算机视觉与模式识别
机器学习
摘要
皮肤科医生常通过评估皮肤病变的随访皮肤镜图像来诊断或排除早期黑色素瘤。然而，现有的早期黑色素瘤诊断算法是使用病变的单时间点图像开发的。忽略病变的时间和形态变化可能导致临界病例的误诊。在本研究中，我们提出一种利用序列皮肤镜图像进行自动早期黑色素瘤诊断的框架。为此，我们分三步构建方法。首先，我们使用估计的欧氏变换对齐皮肤病变的序列皮肤镜图像，通过计算连续图像间的差异提取病变生长区域，然后提出一种时空网络从对齐的病变图像及相应差异图像中捕捉皮肤镜变化。最后，我们开发早期诊断模块来计算病变图像随时间的恶性概率分数。我们收集了来自122名患者的179组序列皮肤镜成像数据来验证我们的方法。大量实验表明，所提模型优于其他常用序列模型。我们还将模型诊断结果与七名经验丰富的皮肤科医生和五名注册医生进行比较。我们的模型取得了比临床医生更高的诊断准确率（分别为63.69% 对 54.33%），并提供了更早的黑色素瘤诊断（在首次随访图像上正确诊断的黑色素瘤分别为60.7% 对 32.7%）。这些结果表明，我们的模型可用于在疾病进程中更早识别具有高恶性转化风险的黑素细胞病变，从而重新定义早期黑色素瘤检测的可能性。
引用
@article{arxiv.2110.05976,
title = {Early Melanoma Diagnosis with Sequential Dermoscopic Images},
author = {Zhen Yu and Jennifer Nguyen and Toan D Nguyen and John Kelly and Catriona Mclean and Paul Bonnington and Lei Zhang and Victoria Mar and Zongyuan Ge},
journal= {arXiv preprint arXiv:2110.05976},
year = {2021}
}