Skincare 项目：用于恶性皮肤病变鉴别诊断的交互式深度学习系统（技术报告）
图像与视频处理
2020-05-20 v1 计算机视觉与模式识别
机器学习
摘要
皮肤科医生短缺导致寻求皮肤科诊疗的患者候诊时间漫长。此外，据报道全科医生的诊断准确率低于人工智能软件。本文描述了 Skincare 项目（H2020，EIT Digital）。其贡献包括：基于交互式机器学习（IML）的临床决策支持使能技术、面向数字欧洲医疗基础设施的参考架构（另见 EIT MCPS）、用于聚合数字化患者信息的技术组件，以及将决策支持技术集成到临床测试床环境中。然而，主要贡献是一个面向患者与医生的皮肤科诊断与决策支持系统，即用于恶性皮肤病变鉴别诊断的交互式深度学习系统。在本文中，我们描述其功能及促进从人类输入中进行机器学习的用户界面。该基线深度学习系统可提供最先进的结果，并具备增强全科医生乃至皮肤科医生的潜力，其开发与验证使用了来自皮肤科图像数据库（ISIC）的去标识化病例，该库约有 20000 例用于开发与验证的病例，由认证皮肤科医生为每例定义参考标准。ISIC 支持鉴别诊断，即给出八项诊断的排序列表，用于在存在诊断不确定性的常见情况下规划治疗。我们给出 Skincare 项目成果的总体描述，并聚焦于在 IML 中支持人与机器之间沟通与协调的步骤。这是未来医疗领域认知助手开发的组成部分，我们描述了必要的智能用户界面。
引用
@article{arxiv.2005.09448,
title = {The Skincare project, an interactive deep learning system for differential diagnosis of malignant skin lesions. Technical Report},
author = {Daniel Sonntag and Fabrizio Nunnari and Hans-Jürgen Profitlich},
journal= {arXiv preprint arXiv:2005.09448},
year = {2020}
}
备注
20 pages, 15 figures