期刊简介
中华医学会主办。本刊辟有述评、专家论坛、论著、短篇论著、新技术与新方法、临床经验、中医中药、皮肤外科、病例报告、皮肤科教程、药物与临床等原创性论文栏目，是了解中国在皮肤性病学预防和治疗、临床和实验研究工作最新进展的窗口。内容丰富，报道及时，具有指导性和实用性。
往期目录
-
2000
-
2001
-
2002
-
2003
-
2004
-
2005
-
2006
-
2007
-
2008
-
2009
-
2010
-
2011
-
2012
-
2013
-
2014
-
2015
-
2016
-
2017
-
2018
-
2019
首页>中华皮肤科杂志
- 杂志名称：中华皮肤科杂志
- 主管单位：中国科学技术协会
- 主办单位：中华医学会
- 国际刊号：0412-4030
- 国内刊号：32-1138/R
- 出版周期：月刊
期刊荣誉：2002年获第三届中国科协优秀科技期刊二等奖期刊收录：上海图书馆馆藏, 知网收录(中), 统计源核心期刊(中国科技论文核心期刊), 北大核心期刊(中国人文社会科学核心期刊), 农业与生物科学研究中心文摘, 国家图书馆馆藏, CSCD 中国科学引文数据库来源期刊(含扩展版), JST 日本科学技术振兴机构数据库(日), CA 化学文摘(美), 维普收录(中), 万方收录(中)
皮肤科医师与深度卷积神经网络诊断色素痣和脂溢性角化病皮肤镜图像比较
王诗琪；刘洁；朱晨雨；舒畅；周航宁；谢凤英；徐涛；晋红中
关键词：痣, 色素, 角化病, 脂溢性, 皮肤镜检查, 神经网络(计算机), 人工智能, 深度卷积神经网络
摘要：目的 比较深度卷积神经网络(CNN)与皮肤科医师对色素痣和脂溢性角化病的诊断准确率.方法 使用5 094幅色素痣和脂溢性角化病(SK)的皮肤镜图像对CNN网络ResNet-50通过迁移学习进行训练,建立CNN二分类模型,并应用该模型对30幅色素痣和30幅SK的皮肤镜图像进行自动分类.同时,95位经过皮肤镜培训的有经验的皮肤科医师结合临床皮损图片对上述CNN自动分类的60幅皮肤镜图像进行判读.比较二者的诊断准确率,并对错误分类的图像做进一步统计分析.结果 CNN自动分类模型对色素痣和SK的皮肤镜图像的分类准确率分别为100％(30/30)和76.67％ (23/30),总准确率为88.33％(53/60);95位皮肤科医师的诊断准确率平均值分别为82.98％(25.8/30)和85.96％(24.9/30),总准确率为84.47％(50.7/60).CNN自动分类模型与95位皮肤科医师对色素痣和SK的诊断准确率差异无统计学意义(x2=0.38,P＞0.05).CNN错误分类的皮肤镜图像被分为3类,即特殊类型(如皮损色素含量多、角化明显),具有典型特征但存在干扰因素,具有典型特征尚找不到错误分类的原因.结论 CNN自动分类模型在色素痣和SK皮肤镜图像的二分类任务中的表现与有经验的皮肤科医师水平相当.CNN错误分类的原因仍需皮肤科医师与人工智能专业人员共同探索.
友情链接