使用深度学习模型检测猴痘皮肤病变:一项可行性研究
计算机视觉与模式识别
2022-07-08 v1 人工智能
图像与视频处理
摘要
近期的猴痘疫情已在非洲以外 40 多个国家快速传播,成为公共卫生关切。猴痘在早期阶段的临床诊断具有挑战性,因其与水痘和麻疹相似。在确诊聚合酶链式反应 (PCR) 检测不易获得的情况下,计算机辅助检测猴痘病变有助于监测和快速识别疑似病例。已有研究发现,若有充足训练样本,深度学习在皮肤病变自动检测中有效。然而,截至目前,针对猴痘疾病尚无此类数据集。在本研究中,我们首先构建了“猴痘皮肤病变数据集 (MSLD)”,包含猴痘、水痘和麻疹的皮肤病变图像。图像主要采集自网站、新闻门户和公开可获取的病例报告。使用数据增强以增加样本量,并设置了 3 折交叉验证实验。下一步,采用若干预训练深度学习模型,即 VGG-16、ResNet50 和 InceptionV3,对猴痘及其他疾病进行分类。还构建了这三种模型的集成。ResNet50 取得了最佳总体准确率 ,而 VGG16 和集成系统分别取得了 和 的准确率。还开发了一个原型 Web 应用作为在线猴痘筛查工具。尽管在该有限数据集上的初步结果令人鼓舞,但仍需更大且人口统计学上更多样的数据集以进一步增强这些模型的泛化能力。
引用
@article{arxiv.2207.03342,
title = {Monkeypox Skin Lesion Detection Using Deep Learning Models: A Feasibility Study},
author = {Shams Nafisa Ali and Md. Tazuddin Ahmed and Joydip Paul and Tasnim Jahan and S. M. Sakeef Sani and Nawsabah Noor and Taufiq Hasan},
journal= {arXiv preprint arXiv:2207.03342},
year = {2022}
}
备注
4 pages, 6 figures, conference