APP下载

基于皮肤镜图像智能分析的早期蕈样肉芽肿诊断模型构建

2021-10-12刘兆睿张漪澜谢凤英

协和医学杂志 2021年5期
关键词:分类模型

刘兆睿,张漪澜,谢凤英,刘 洁

1中国医学科学院 北京协和医学院 北京协和医院皮肤科 疑难重症及罕见病国家重点实验室国家皮肤与免疫疾病临床医学研究中心,北京 1007302北京航空航天大学宇航学院图像处理中心,北京 100191

蕈样肉芽肿(mycosis fungoides, MF)是最常见的皮肤T细胞淋巴瘤(cutaneous T-cell lymphoma, CTCL),为皮肤科疑难重症及罕见疾病,晚期患者预后差、治疗手段有限,早期识别及诊治可改善患者预后,具有重要的临床意义。早期MF可表现为红斑鳞屑性皮损,与银屑病、慢性湿疹等良性炎症性皮肤病难以鉴别。近年来随着皮肤影像学的发展,皮肤镜图像在皮肤病的鉴别诊断中发挥了重要作用[1]。鉴于早期MF及炎症性皮肤病的预后存在较大差异,目前尚缺乏有效的无创指标进行早期诊断,而通过构建基于图像智能分析技术的早期诊断模型可高效识别皮肤镜图像并进行二分类,有望实现MF的早期诊断。本研究以早期MF患者和炎症性皮肤病患者为研究对象,比较基于皮肤镜图像的智能分析与皮肤科医师对二者的鉴别诊断能力,并对错误分类的皮肤镜图像进行分析,以提高早期MF的诊断效率,为构建MF早期诊断模型奠定基础。

1 资料与方法

1.1 研究对象及分组

1.1.1 研究对象

回顾性纳入2016年1月至2020年12月北京协和医院皮肤科门诊确诊的早期MF患者和临床表现与之相似的炎症性皮肤病(银屑病、慢性湿疹、脂溢性皮炎、玫瑰糠疹、扁平苔藓)患者。纳入标准:(1)早期MF均经组织病理学、免疫组化、T细胞……

登录APP查看全文

猜你喜欢

分类模型
一半模型
分类算一算
垃圾分类的困惑你有吗
重尾非线性自回归模型自加权M-估计的渐近分布
教你一招:数的分类
3D打印中的模型分割与打包
FLUKA几何模型到CAD几何模型转换方法初步研究
给塑料分分类吧
一个相似模型的应用