临床与实验皮肤病学研究杂志
开放获取

抽象的

深度學習和基於規則的混合方法提高皮膚癌早期檢測的準確性

瓦林·森蒂爾*

黑色素瘤是世界上最嚴重的皮膚癌細胞類型。根據美國癌症協會的數據，2022 年將有 99,780 名新診斷的黑色素瘤患者，其中 7,650 人死亡。黑色素瘤可以發生在身體的任何部位，通常是大小、形狀或顏色改變的痣。黑色素瘤顯示顏色變化和不規則邊界，這是黑色素瘤的警告信號。黑色素瘤的早期診斷可能會增加癌症擴散之前治癒的機會。人工智慧（AI）的最新發展在醫療保健領域有著廣泛的應用。機器學習 (ML) 是人工智慧的一個子領域，在電腦視覺領域取得了重大發展，透過它可以形成統計模型和演算法，並不斷從資料中學習，以提高所需任務的效能。然而，存在錯誤的可能性，而且它取決於許多因素：例如樣本數量、圖片品質、電腦環境和機器學習可能會影響演算法。雖然在深度學習方法中，知識是基於樣本圖片開發的，但存在基於規則的傳統方法，該方法內建了業務邏輯。規則可以基於測試結果、膚色等。我們回顧了電腦視覺機器學習、限制、基於彩色色素的黑色素瘤檢測的最新研究和關鍵發現。