人工智能有助於評估皮膚過敏測試

波蘭科學家已經 皮膚邏輯- 開發的解決方案可實現更有效的皮膚過敏測試和更可靠的結果。 該方法使用視頻和熱成像相機以及分析圖像直至最後一個像素的系統。

所述解決方案的作者是華沙理工大學電子與信息技術學院、Jacek Stępień 教授（Milton Essex 公司）團隊和軍事醫學研究所的專家。

臨床試驗給出了非常好的結果。 系統正確識別高達 98% 的病例，甚至是罕見病例 Allergien. 此外，它與 皮膚邏輯 可以檢測最大直徑為 0,3 mm 的病變。

 圖片來源：

SkinLogic的開發和運營

正如華沙理工大學 (WUT) 的新聞稿中所指出的，從 IT 的角度來看，SkinLogic 是 數據處理系統. 該設備由三腳架和開頭提到的相機組成。 在測試期間，患者的手必須固定在支架上。 該設備在特定時間用可見光和紅外光拍照，並記錄用過敏原處理的皮膚碎片上發生的情況。 一旦數字文檔可用，就可以編輯 PW 算法 使用。

重要的是，使用通常的手動測量過敏反應（水皰）的方法，結果並不完全準確。 但是，當使用 SkinLogic 時，測量是由算法執行的。 此外，系統還會檢查反應大小和其他參數，例如B. 它們的形狀。 用遠紅外光譜獲得的圖像對此很有用。

數字素材分析

在分析過程中，圖像被分成與皮膚上切口位置相對應的片段（每個片段可以單獨檢查）。 通過隨著時間的推移分析數據，可以看到細分市場發生了怎樣的變化。

人工智能係統的輸入數據從何而來？ 他們使用了醫生在 1500 名患者的臨床試驗期間收集的 100 張過敏性皮膚反應圖像（記錄）。 這使算法能夠學會識別哪些圖像代表過敏反應，哪些不是。

我們從相機圖像中得到的是 100x100 像素的圖像。 檢查過敏性水皰的醫生只有肉眼可見的區域。 我們檢查圖像上的每個像素。 可以說，標準診斷基於單個值，而人工智能測試的響應基於數百萬個值和公認的組合“，該系主任羅伯特·諾瓦克教授解釋說 人工智能. 人類很難找到這些模式； 一種 訓練好的算法 快速完成這項工作並且非常準確。 更多的數據意味著要消除更多的噪聲，但算法也可以處理這個問題。 我們的系統是使用一組由醫療聯盟開發的模式進行訓練的，因此它具有高質量的基礎，”研究人員補充道。

改進診斷和治療計劃

該系統目前正在作為預註冊的一部分進行測試。 一旦在臨床實踐中使用，它可能是一個無價的幫助。 這意味著更快 診斷，提供更精確的結果，並且由於材料的數字採集，可以更輕鬆地與其他專家進行諮詢。

文章“卷積神經網絡基於熱成像的皮膚過敏反應識別”於 XNUMX 月中旬發表在《科學報告》雜誌上。