论文部分内容阅读
背景:基底细胞癌(BCC)是全球发病率最高的恶性肿瘤,提高确诊率,降低误诊率既是患者的需求又是临床难题。利用人工智能辅助诊断模型可有效提高确诊率,降低误诊率,是解决上述问题的途径之一。数据集和机器学习算法是目前研究的主要方向,而如何获取高质量的数据为深度学习算法提供高质量数据集则是我们医学工作者面对的难题。目的:为人工智能在基底细胞癌辅助诊断模型中的应用所需的皮肤影像提供参考标准,为获取高质量影像提出建议;为人工智能在基底细胞癌辅助诊断模型中应用所需临床参数提供参考标准,为获取高质量的临床参数提出建议;以基底细胞癌为例探究人工智能在皮肤肿瘤辅助诊断模型中应用的思路与方法。方法:本文采用文献分析法,将检索时间设定为2017年1月1日至2021年12月31日,使用Pub Med网站,检索以英文发表的人工智能在基底细胞癌辅助诊断模型中的应用文献。经检索、筛选、阅读、分析发现人工智能在基底细胞癌辅助诊断模型应用过程中所使用的数据主要是影像数据及影像和临床参数相结合这两类。主要研究思路:1、对人工智能所使用的基底细胞癌影像数据进行分类概述并从数据收集者角度探讨如何获取合格的基底细胞癌影像;2、探究影像与临床参数相结合是否在人工智能基底细胞癌诊断中存在优势3、探究可能增强基底细胞癌人工智能辅助诊断模型诊断性能的临床参数。4、探究人工智能在基底细胞癌辅助诊断模型中的技术路线,为未来人工智能在皮肤肿瘤辅助诊断模型中的应用提供思路与方法。结果:经检索、筛选后得到28篇文献,阅读分析后将这些文献按照数据集的不同分为2大类,其中仅使用影像数据集的有24篇,包括9篇基底细胞癌临床照片数据集,10篇皮肤镜图像数据集和5篇皮肤病理图像数据集。另一类使用影像与临床参数相结合的数据集共4篇,其中年龄、性别、部位是最常见的临床参数,经分析发现影像与临床参数相结合在人工智能基底细胞癌诊断中存在优势。通过指南、文献、病例系统对基底细胞癌临床参数进行整理。最终总结出了人工智能在基底细胞癌辅助诊断模型中的技术路线。结论:1、基底细胞癌人工智能辅助诊断模型多以单一维度的影像学资料识别为核心,少数与临床参数相结合作为识别资料。2、影像与临床参数相结合在基底细胞癌人工智能辅助诊断中具有一定优势。3、高质量的皮肤影像和临床参数对人工智能在基底细胞癌的辅助诊断模型中的应用起着重要作用。