JAMA Dermatol:从非标准化的互联网临床照片中汇聚黑色素瘤与痣的数据宝库

2023-11-24 MedSci原创 MedSci原创 发表于上海

在创建的数据集上训练的神经网络比在预先存在的数据集上训练的神经网络表现更好。

目前使用卷积神经网络(CNNs)的人工智能(AI)算法可以对皮肤损伤图像进行分类,其准确性与获得认证的皮肤科医生相似。用于诊断皮肤图像的AI训练需要大量干净的数据。然而,皮肤图像具有不同的成分,而且由于隐私问题,许多图像无法访问,这阻碍了AI的发展。

JAMA Dermatology 最新的一篇研究报告,研究者从互联网上黑色素和痣的非标准化图像中建立了一个用于识别和生成的AI训练数据集。

在这项诊断性研究中,总共从大约50万张互联网照片中使用卷积神经网络(CNNs)、基于区域的CNNs和大面积遮罩修复技术对5619张(CAN5600数据集)和2006张(CAN2000数据集;CAN5600的手动修订子集)黑色素瘤或痣的裁剪病变图像进行了半自动标注。为进行无监督的预训练,收集了来自全球80个国家约18,482个网站的图像,创建了132,673个可能的病变图像(LESION130k数据集),以便增强数据的多样性。使用生成对抗网络(StyleGAN2-ADA;训练数据集为CAN2000数据集,预训练数据集为LESION130k数据集)生成了共5000个合成图像(GAN5000数据集)。随后,在建议的数据集上训练CNN(EfficientNet Lite0)。使用合并后的公共数据集中的2,312张图像训练相同的CNN(包括Edinburgh, an SNU subset, Asan test, Waterloo, 7-point criteria evaluation, PAD-UFES-20, and MED-NODE)。采用受试者工作特征曲线下面积(AUROC)评估AI模型的性能。

在标注或合成图像上训练的EfficientNet Lite0 CNN与公共数据集训练的EfficientNet Lite0具有更高或相当的AUROC,CAN5600 (0.874 [0.042];P = 0.02)、CAN2000 (0.848 [0.027];P =0.08)和GAN5000 (0.838 [0.040];P = 0.31)和现有数据集(0.809[0.063])。

综上, 本诊断研究中的合成数据集是使用各种AI技术从互联网图像创建的。在创建的数据集(CAN5600)上训练的神经网络比在预先存在的数据集上训练的神经网络表现更好。标注数据集(CAN5600和LESION130k)和合成数据集(GAN5000)都可以用于AI训练,并在医生之间形成共识

原始出处:

Cho SI, Navarrete-Dechent C, Daneshjou R, et al. Generation of a Melanoma and Nevus Data Set From Unstandardized Clinical Photographs on the Internet. JAMA Dermatol. 2023;159(11):1223-1231. doi:10.1001/jamadermatol.2023.3521

相关资料下载:
[AttachmentFileName(sort=1, fileName=Generation of a Melanoma and Nevus Data Set From Unstandardized Clinical Photographs on the Internet.pdf)] GetArticleByIdResponse(id=4f278019e591, projectId=1, sourceId=null, title=JAMA Dermatol:从非标准化的互联网临床照片中汇聚黑色素瘤与痣的数据宝库 , articleFrom=MedSci原创, journalId=785, copyright=原创, creationTypeList=[1], summary=在创建的数据集上训练的神经网络比在预先存在的数据集上训练的神经网络表现更好。, cover=https://img.medsci.cn/20221201/1669967602012_4754896.jpeg, authorId=0, author=, originalUrl=, linkOutUrl=, content=<p>目前使用卷积神经网络(CNNs)的人工智能(AI)算法可以对皮肤损伤图像进行分类,其准确性与获得认证的<a href="https://www.medsci.cn/topic/show?id=e738e2080b4">皮肤科</a>医生相似。用于<a href="https://www.medsci.cn/guideline/list.do?q=%E8%AF%8A%E6%96%AD">诊断</a>皮肤图像的AI训练需要大量干净的数据。然而,皮肤图像具有不同的成分,而且由于隐私问题,许多图像无法访问,这阻碍了AI的发展。</p> <p><em><span style="color: black;"><a href="https://www.medsci.cn/search?s_id=45">JAMA</a> Dermatology</span></em><em><span style="color: black;">&nbsp;</span></em><span style="color: black;">最新的一篇研究报告,研究者</span>从互联网上<span style="color: black;"><a href="https://www.medsci.cn/topic/show?id=e27610332666">黑色素</a>瘤</span>和痣的非标准化图像中建立了一个用于识别和生成的AI训练数据集。</p> <p><img class="wscnph" style="display: block; margin-left: auto; margin-right: auto;" src="https://img.medsci.cn/20231123/1700710917521_8439950.jpg" /></p> <p>在这项诊断性研究中,总共从大约50万张互联网照片中使用卷积神经网络(CNNs)、基于区域的CNNs和大面积遮罩修复技术对5619张(CAN5600数据集)和2006张(CAN2000数据集;CAN5600的手动修订子集)<a href="https://www.medsci.cn/topic/show?id=330410333110">黑色素瘤</a>或痣的裁剪病变图像进行了半自动标注。为进行无监督的预训练,收集了来自全球80个国家约18,482个网站的图像,创建了132,673个可能的病变图像(LESION130k数据集),以便增强数据的多样性。使用生成对抗网络(StyleGAN2-ADA;训练数据集为CAN2000数据集,预训练数据集为LESION130k数据集)生成了共5000个合成图像(GAN5000数据集)。随后,在建议的数据集上训练CNN(EfficientNet Lite0)。使用合并后的公共数据集中的2,312张图像训练相同的CNN(包括Edinburgh, an SNU subset, Asan test, Waterloo, 7-point criteria evaluation, PAD-UFES-20, and MED-NODE)。采用受试者工作特征曲线下面积(AUROC)评估AI模型的性能。</p> <p>在标注或合成图像上训练的EfficientNet Lite0 CNN与公共数据集训练的EfficientNet Lite0具有更高或相当的AUROC,CAN5600 (0.874 [0.042];P = 0.02)、CAN2000 (0.848 [0.027];P =0.08)和GAN5000 (0.838 [0.040];P = 0.31)和现有数据集(0.809[0.063])。</p> <p><img class="wscnph" style="display: block; margin-left: auto; margin-right: auto;" src="https://img.medsci.cn/20231123/1700710981186_8439950.jpg" /></p> <p>综上, 本诊断研究中的合成数据集是使用各种AI技术从互联网图像创建的。在创建的数据集(CAN5600)上训练的神经网络比在预先存在的数据集上训练的神经网络表现更好。标注数据集(CAN5600和LESION130k)和合成数据集(GAN5000)都可以用于AI训练,并在医生之间形成<a href="https://www.medsci.cn/guideline/list.do?q=%E5%85%B1%E8%AF%86">共识</a>。</p> <p><span style="color: #808080; font-size: 12px;">原始出处:</span></p> <p><span style="color: #808080; font-size: 12px;">Cho SI, Navarrete-Dechent C, Daneshjou R, et al. Generation of a Melanoma and Nevus Data Set From Unstandardized Clinical Photographs on the Internet. JAMA Dermatol. 2023;159(11):1223-1231. doi:10.1001/jamadermatol.2023.3521</span></p>, belongTo=, tagList=[TagDto(tagId=273, tagName=黑色素瘤), TagDto(tagId=8461, tagName=人工智能)], categoryList=[CategoryDto(categoryId=39, categoryName=皮肤性病, tenant=100), CategoryDto(categoryId=84, categoryName=研究进展, tenant=100), CategoryDto(categoryId=20656, categoryName=梅斯医学, tenant=100)], articleKeywordId=0, articleKeyword=, articleKeywordNum=6, guiderKeywordId=0, guiderKeyword=, guiderKeywordNum=6, opened=1, paymentType=1, paymentAmount=0, recommend=0, recommendEndTime=null, sticky=0, stickyEndTime=null, allHits=685, appHits=25, showAppHits=0, pcHits=61, showPcHits=660, likes=1, shares=5, comments=4, approvalStatus=1, publishedTime=Fri Nov 24 07:15:00 CST 2023, publishedTimeString=2023-11-24, pcVisible=1, appVisible=1, editorId=6529315, editor=皮肤新前沿, waterMark=0, formatted=0, deleted=0, version=4, createdBy=d3b78439950, createdName=布兜小吴, createdTime=Thu Nov 23 11:49:20 CST 2023, updatedBy=92910, updatedName=rayms, updatedTime=Fri Jan 05 15:55:47 CST 2024, ipAttribution=上海, attachmentFileNameList=[AttachmentFileName(sort=1, fileName=Generation of a Melanoma and Nevus Data Set From Unstandardized Clinical Photographs on the Internet.pdf)])
Generation of a Melanoma and Nevus Data Set From Unstandardized Clinical Photographs on the Internet.pdf
版权声明:
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料,版权均属于梅斯医学所有。非经授权,任何媒体、网站或个人不得转载,授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章,或“梅斯号”自媒体发布的文章,仅系出于传递更多信息之目的,本站仅负责审核内容合规,其内容不代表本站立场,本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系,我们将立即进行删除处理。
在此留言
评论区 (3)
#插入话题
  1. [GetPortalCommentsPageByObjectIdResponse(id=2170861, encodeId=755b21e0861dc, content=学习, beContent=null, objectType=article, channel=null, level=null, likeNumber=18, replyNumber=0, topicName=null, topicId=null, topicList=[], attachment=null, authenticateStatus=null, createdAvatar=null, createdBy=2e128592359, createdName=ms4000001539575937, createdTime=Sat Nov 25 09:29:55 CST 2023, time=2023-11-25, status=1, ipAttribution=湖北省), GetPortalCommentsPageByObjectIdResponse(id=2170644, encodeId=dae321e064493, content=不错,学习了。, beContent=null, objectType=article, channel=null, level=null, likeNumber=10, replyNumber=0, topicName=null, topicId=null, topicList=[], attachment=null, authenticateStatus=null, createdAvatar=null, createdBy=4dfa6526517, createdName=仁术2023, createdTime=Fri Nov 24 07:36:26 CST 2023, time=2023-11-24, status=1, ipAttribution=吉林省), GetPortalCommentsPageByObjectIdResponse(id=2170498, encodeId=de5e21e0498fd, content=<a href='/topic/show?id=330410333110' target=_blank style='color:#2F92EE;'>#黑色素瘤#</a> <a href='/topic/show?id=d3a024808e0' target=_blank style='color:#2F92EE;'>#人工智能#</a>, beContent=null, objectType=article, channel=null, level=null, likeNumber=30, replyNumber=0, topicName=null, topicId=null, topicList=[TopicDto(id=24808, encryptionId=d3a024808e0, topicName=人工智能), TopicDto(id=103331, encryptionId=330410333110, topicName=黑色素瘤)], attachment=null, authenticateStatus=null, createdAvatar=null, createdBy=cade5395722, createdName=梅斯管理员, createdTime=Thu Nov 23 13:18:40 CST 2023, time=2023-11-23, status=1, ipAttribution=上海)]
    2023-11-25 ms4000001539575937 来自湖北省

    学习

    0

  2. [GetPortalCommentsPageByObjectIdResponse(id=2170861, encodeId=755b21e0861dc, content=学习, beContent=null, objectType=article, channel=null, level=null, likeNumber=18, replyNumber=0, topicName=null, topicId=null, topicList=[], attachment=null, authenticateStatus=null, createdAvatar=null, createdBy=2e128592359, createdName=ms4000001539575937, createdTime=Sat Nov 25 09:29:55 CST 2023, time=2023-11-25, status=1, ipAttribution=湖北省), GetPortalCommentsPageByObjectIdResponse(id=2170644, encodeId=dae321e064493, content=不错,学习了。, beContent=null, objectType=article, channel=null, level=null, likeNumber=10, replyNumber=0, topicName=null, topicId=null, topicList=[], attachment=null, authenticateStatus=null, createdAvatar=null, createdBy=4dfa6526517, createdName=仁术2023, createdTime=Fri Nov 24 07:36:26 CST 2023, time=2023-11-24, status=1, ipAttribution=吉林省), GetPortalCommentsPageByObjectIdResponse(id=2170498, encodeId=de5e21e0498fd, content=<a href='/topic/show?id=330410333110' target=_blank style='color:#2F92EE;'>#黑色素瘤#</a> <a href='/topic/show?id=d3a024808e0' target=_blank style='color:#2F92EE;'>#人工智能#</a>, beContent=null, objectType=article, channel=null, level=null, likeNumber=30, replyNumber=0, topicName=null, topicId=null, topicList=[TopicDto(id=24808, encryptionId=d3a024808e0, topicName=人工智能), TopicDto(id=103331, encryptionId=330410333110, topicName=黑色素瘤)], attachment=null, authenticateStatus=null, createdAvatar=null, createdBy=cade5395722, createdName=梅斯管理员, createdTime=Thu Nov 23 13:18:40 CST 2023, time=2023-11-23, status=1, ipAttribution=上海)]
    2023-11-24 仁术2023 来自吉林省

    不错,学习了。

    0

  3. [GetPortalCommentsPageByObjectIdResponse(id=2170861, encodeId=755b21e0861dc, content=学习, beContent=null, objectType=article, channel=null, level=null, likeNumber=18, replyNumber=0, topicName=null, topicId=null, topicList=[], attachment=null, authenticateStatus=null, createdAvatar=null, createdBy=2e128592359, createdName=ms4000001539575937, createdTime=Sat Nov 25 09:29:55 CST 2023, time=2023-11-25, status=1, ipAttribution=湖北省), GetPortalCommentsPageByObjectIdResponse(id=2170644, encodeId=dae321e064493, content=不错,学习了。, beContent=null, objectType=article, channel=null, level=null, likeNumber=10, replyNumber=0, topicName=null, topicId=null, topicList=[], attachment=null, authenticateStatus=null, createdAvatar=null, createdBy=4dfa6526517, createdName=仁术2023, createdTime=Fri Nov 24 07:36:26 CST 2023, time=2023-11-24, status=1, ipAttribution=吉林省), GetPortalCommentsPageByObjectIdResponse(id=2170498, encodeId=de5e21e0498fd, content=<a href='/topic/show?id=330410333110' target=_blank style='color:#2F92EE;'>#黑色素瘤#</a> <a href='/topic/show?id=d3a024808e0' target=_blank style='color:#2F92EE;'>#人工智能#</a>, beContent=null, objectType=article, channel=null, level=null, likeNumber=30, replyNumber=0, topicName=null, topicId=null, topicList=[TopicDto(id=24808, encryptionId=d3a024808e0, topicName=人工智能), TopicDto(id=103331, encryptionId=330410333110, topicName=黑色素瘤)], attachment=null, authenticateStatus=null, createdAvatar=null, createdBy=cade5395722, createdName=梅斯管理员, createdTime=Thu Nov 23 13:18:40 CST 2023, time=2023-11-23, status=1, ipAttribution=上海)]

相关资讯

指南解读 |《2021版黑色素瘤病理诊断临床实践指南》划重点

不同部位黑色素瘤的病因、分子背景和生物学行为不一。

大咖谈 | 溶瘤病毒联合免疫检查点抑制剂治疗晚期黑色素瘤的临床研究

溶瘤病毒与免疫检查点抑制剂联用一直是黑色素瘤治疗中最受关注的溶瘤病毒联合策略。

JAMA Dermatol:与黑色素细胞病变较高级别诊断相关的病理医师特征

在对解读黑素细胞病变的病理医师进行的这项探索性研究中,皮肤病理学的专业化与黑素细胞病变皮肤活检病例得到更严重的诊断相关。

JAMA Dermatol:挑战与机遇:免疫治疗和靶向治疗时代对于黑色素瘤的医疗费用、生存和就诊时长的改变

新疗法给医疗系统带来了更大的经济负担,给患者带来了更长的时间负担,但生存期有相应改善。

JAMA Dermatol:原发性皮肤黑色素瘤早期溃疡的预后意义

本病例对照研究的结果表明,原发性黑色素瘤的早期溃疡是一种不良预后特征。

JAMA Dermatol:早期和晚期黑色素瘤患者的肠道微生物

这项病例对照研究的结果提示,在黑色素瘤患者和对照组之间,以及在早期和晚期黑色素瘤患者之间,粪便微生物谱存在显著差异。