基于深度卷积神经网络的黑色素瘤诊断算法及临床验证

目的利用深度卷积神经网络(Deep convolutional neural network,DCNN)架构训练皮肤疾病分类诊断系统,并验证该系统在黑色素瘤-黑色素痣二分类任务中的准确度。方法基于数据库中14239张带有诊断标签的皮肤镜图像样本构建残差神经网络(ResNet DCNN),并在黑色素瘤-黑色素痣鉴别中与21名皮肤科医生(9名专家级,12名普通医生)的诊断结果进行对照,验证其诊断效率。结果实验组灵敏度为87.23%,特异度为80.43%,AUC为0.9129;对照组灵敏度为80.45%±17.78%,特异度为70.91%±11.66%。DCNN分类系统诊断灵敏度、特异度均高于21名医生的平均表现。结论初步验证了DCNN系统在皮肤疾病分类中的有效性及其作为临床辅助诊断工具的可行性。