Чи може нейронна мережа класифікувати непігментовані ураження шкіри так само точно, як і експерти?
#INgenius #INgeniusNews
В даному дослідженні комбінована конволюційна нейронна мережа (cCNN), яка отримала дерматоскопічні зображення та картинки великим планом як вхідні дані, досягла діагностичної точності на одному рівні з фахівцями з досвідом роботи більше 10 років та перевершила початківців-оцінювачів, проміжних оцінювачів.
Класифікаційна модель на базі CNN була заповнена 7895 дерматоскопічними зображеннями та 5829 картинками великого плану, зроблених в клініці первинного раку шкіри з 1 січня 2008 року по 13 липня 2017 для комбінованої оцінки методів візуалізації.
Основними показниками результатів служили пропорції правильних специфічних діагнозів та точність диференціювання між доброякісними та злоякісними ураженнями.
Серед 95 людей (51,6% жінок, середній вік — 43,4 роки, 95% ДІ, 41,0–45,7 років), учасники були поділені на 3 групи (за досвідом роботи з дерматоскопією): початківці (< 3 роки), проміжні оцінювачі (3-10 років), та фахівці (> 10 років). Всі учасники оцінили 50 випадків, взятих випадковим чином з усього тестового набору з 2072 непігментованих уражень. Учасникам пропонували диференціювати доброякісні та злоякісні ураження, визначити специфічний діагноз і запропонувати терапевтичне лікування.
Середній показник AUC (Area Under Curve) людських оцінок був значно нижчим, ніж середній AUC cCNN. Порівнюючи підгрупи, було встановлено, що CNN має вищий AUC, ніж у початкових оцінювачів або проміжних оцінювачів, але не вище ніж у експертів
Таким чином, в експериментальних умовах комбінована конволюційна нейронна мережа може перевершити "оцінювачів-людей", однак брак точності для рідкісних захворювань обмежує його застосування у клінічній практиці.
#CNN #dermatoscopy #skin #cancer #diagnostic #statistic #діагностика #ракШкіри #шкіра #меланома #дерматоскопія #злоякісність #доброякісність #benign #malignant #News #melanoma
Автор: Kateryna Slyviak
Джерело : https://bit.ly/2E9FWrI
#INgenius #INgeniusNews
В даному дослідженні комбінована конволюційна нейронна мережа (cCNN), яка отримала дерматоскопічні зображення та картинки великим планом як вхідні дані, досягла діагностичної точності на одному рівні з фахівцями з досвідом роботи більше 10 років та перевершила початківців-оцінювачів, проміжних оцінювачів.
Класифікаційна модель на базі CNN була заповнена 7895 дерматоскопічними зображеннями та 5829 картинками великого плану, зроблених в клініці первинного раку шкіри з 1 січня 2008 року по 13 липня 2017 для комбінованої оцінки методів візуалізації.
Основними показниками результатів служили пропорції правильних специфічних діагнозів та точність диференціювання між доброякісними та злоякісними ураженнями.
Серед 95 людей (51,6% жінок, середній вік — 43,4 роки, 95% ДІ, 41,0–45,7 років), учасники були поділені на 3 групи (за досвідом роботи з дерматоскопією): початківці (< 3 роки), проміжні оцінювачі (3-10 років), та фахівці (> 10 років). Всі учасники оцінили 50 випадків, взятих випадковим чином з усього тестового набору з 2072 непігментованих уражень. Учасникам пропонували диференціювати доброякісні та злоякісні ураження, визначити специфічний діагноз і запропонувати терапевтичне лікування.
Середній показник AUC (Area Under Curve) людських оцінок був значно нижчим, ніж середній AUC cCNN. Порівнюючи підгрупи, було встановлено, що CNN має вищий AUC, ніж у початкових оцінювачів або проміжних оцінювачів, але не вище ніж у експертів
Таким чином, в експериментальних умовах комбінована конволюційна нейронна мережа може перевершити "оцінювачів-людей", однак брак точності для рідкісних захворювань обмежує його застосування у клінічній практиці.
#CNN #dermatoscopy #skin #cancer #diagnostic #statistic #діагностика #ракШкіри #шкіра #меланома #дерматоскопія #злоякісність #доброякісність #benign #malignant #News #melanoma
Автор: Kateryna Slyviak
Джерело : https://bit.ly/2E9FWrI