skip to main content
Idioma:
Tipo de recurso Mostra resultados com: Mostra resultados com: Índice

Automatische Körperteil‐Identifikation in dermatologischen klinischen Bildern durch maschinelles Lernen

Sitaru, Sebastian ; Oueslati, Talel ; Schielein, Maximilian C ; Weis, Johanna ; Kaczmarczyk, Robert ; Rueckert, Daniel ; Biedermann, Tilo ; Zink, Alexander

Journal der Deutschen Dermatologischen Gesellschaft, 2023-08, Vol.21 (8), p.863-871 [Periódico revisado por pares]

Berlin: Wiley Subscription Services, Inc

Texto completo disponível

Citações Citado por
  • Título:
    Automatische Körperteil‐Identifikation in dermatologischen klinischen Bildern durch maschinelles Lernen
  • Autor: Sitaru, Sebastian ; Oueslati, Talel ; Schielein, Maximilian C ; Weis, Johanna ; Kaczmarczyk, Robert ; Rueckert, Daniel ; Biedermann, Tilo ; Zink, Alexander
  • Assuntos: Allgemeine Dermatologie ; artificial intelligence ; Bildklassifizierung ; General dermatology ; image classification ; künstliche Intelligenz ; machine learning ; maschinelles Lernen ; medical dermatology ; medizinische Dermatologie ; Psoriasis
  • É parte de: Journal der Deutschen Dermatologischen Gesellschaft, 2023-08, Vol.21 (8), p.863-871
  • Notas: ObjectType-Article-1
    SourceType-Scholarly Journals-1
    ObjectType-Feature-2
    content type line 23
  • Descrição: Zusammenfassung Hintergrund Dermatologische Erkrankungen sind in allen Bevölkerungsgruppen weit verbreitet. Das betroffene Körperteil ist für ihre Diagnose, Therapie und Forschung von Bedeutung. Die automatische Identifizierung der abgebildeten Körperteile in dermatologischen Krankheitsbildern könnte daher die klinische Versorgung verbessern, indem sie zusätzliche Informationen für klinische Entscheidungsalgorithmen liefert, schwer zu behandelnde Bereiche aufdeckt und die Forschung durch die Identifizierung neuer Krankheitsmuster unterstützt. Patienten und Methodik In dieser Studie wurden 6219 annotierte dermatologische Bilder aus unserer klinischen Datenbank verwendet, womit ein neuronales Netz trainiert und validiert wurde. Als Anwendung wurden mit diesem System qualitative Heatmaps für die Verteilung von Körperteilen bei häufigen dermatologischen Erkrankungen erstellt. Ergebnisse Der Algorithmus erreichte eine mittlere balancierte Genauigkeit (Accuracy) von 89% (74,8%–96,5%). Die Fotos von nichtmelanozytärem Hautkrebs betrafen vor allem das Gesicht und den Oberkörper, während die größte Häufigkeit der Ekzem‐ und Psoriasis‐Bildverteilung den Oberkörper, die Beine und die Hände umfassten. Schlussfolgerungen Die Genauigkeit dieses Systems ist vergleichbar mit den besten bisher veröffentlichten Algorithmen für Bildklassifizierungsaufgaben, was darauf hindeutet, dass dieser Algorithmus die Diagnose, Therapie und Forschung bei dermatologischen Erkrankungen verbessern könnte.
  • Editor: Berlin: Wiley Subscription Services, Inc
  • Idioma: Inglês;Alemão
Voltar para lista de resultados

  • Realização: ABCD-USP USP   Logos de Redes Sociais: Freepik

Buscando em bases de dados remotas. Favor aguardar.