斑秃(AA)是一种慢性和复发性障碍导致脱发。1,2脱发的程度是最重要的预后因素。3多样化的评估工具已经开发了客观的评价4;然而,大多数的准确性和客观性,因为它们依赖有限肉眼检查。我们假定计算机辅助识别脱发将使临床医生能够实现更准确的评估和预后分层。本研究旨在开发一个深度学习框架来确定脱发工具(盐)的严重程度评分。
这个研究包括了679 AA患者接受护理机构从2012年到2018年。本研究机构审查委员会批准延世大学Wonju遣散基督教医院(CR319029)。从18岁获得了知情同意参与者的识别出的数据被用于这项研究。总共2716张图片取自4标准化观点4被用来训练(n = 1901[70%])和验证(n = 815[30%])神经网络。它包括2变速箱脱发标识符和头皮标识符(eFigure 1补充)。详细的方法和相关数据包括程序代码可以在eMethods找到补充和我们的公共存储库(https://dx.doi.org/10.17632/75k76546ms.1)。
挑战一项研究进行调查评估患者的实际利益(eFigure 2的补充)。八皮肤科医生提供一个额外的400张图片(100名患者)和要求来评估每个图像通过肉眼检查。一个星期后,他们被要求评估相同的图像与模型(AloNet,版本1.0)援助。
Jaccard相似性指数分别为0.941和0.963的头皮和脱发区,分别。一些代表提出了输入和输出图1。模型显示性能优越的情况下与片状或灶状脱发比与不明确的情况下的损失。它还成功地拒绝了其他结构,如发夹和背景解剖结构,当预测感兴趣的区域。
研究结果提出了挑战图2。测量误差显著提高使用计算机辅助的方法。此外,评分者间信度也显著提高,当盐分数使用model-assisted指标分级。5
Cox比例风险模型主要的头发再生3,5调查是否安装了计算机辅助测量可能导致更好的预后预测(图2D)。盐得分显著增加的解释力与计算机辅助方法。此外,通过添加时间的子集盐性能显著提高分数作为一个额外的独立因素。5
本研究确定深层神经网络可以实现公平性能识别头皮地区和脱发。计算方法使用纹理分析提取AA病变已经报道了通过分析预处理头皮图像。6然而,作为一个端到端的框架,我们的模型是有利的,因为它不需要繁琐的形象准备。例如,手工切割的头皮区域或面部或背景信息的删除不是必需的,因为它可以估计头皮区域从一个未加工的输入图像。万博manbetx平台首页此外,它不需要严格控制临床照片。
在挑战的研究中,皮肤科医生取得了显著提高准确性和评分者间信度与计算机辅助方法。盐的解释力分数预测头发再生也显著增加。改进的评估将使不同盐分数更可靠的临床和研究目的。这可能被视为一个可行的解决方案目前缺乏客观和可再生的评估工具为AA在临床试验中。
研究限制是,这些照片是在一个三级机构;因此,模型具有有限的普遍性。此外,准备照片脱发本身可能是时间密集,容易造成工件不恰当的曝光。此外,虽然头发密度也评估中的一个重要组成部分,是否每个像素的模型是一个二进制鉴别器响应脱发。进一步的模型,结合头发密度,需要更好的评价。
发表:2020年5月6日。
相应的作者:Won-Soo李,医学博士,皮肤病(leewonsoo@yonsei.ac.kr),研安不久,医学博士,美国预防医学(ysahn1203@gmail.com延世大学),Wonju医学院20 Ilsan-ro Wonju,江原道26426年,韩国。
网上发表:2020年8月12日。doi:10.1001 / jamadermatol.2020.2188
作者的贡献:Drs s·李,李至此已完全访问所有的数据研究,负责数据的完整性和数据分析的准确性。
研究概念和设计:李,李,至此。
数据的采集、分析或解释:李,J.W. Lee崔承哲,Koh,安。
起草的手稿:李。
关键的修订手稿的重要知识内容:J.W. Lee崔承哲,杨、Koh安,至此。
统计分析:李。
获得资助:安。
行政、技术或材料支持:Koh崔承哲,杨,李安,至此。
研究监督:安,至此。
利益冲突的披露:没有报道。
资金/支持:这项工作得到了延世大学校园Wonju Future-Leading研究倡议在2019年(RMS2 2019-52-0055)。
资助者的角色/赞助商:延世大学没有参与这项研究的设计和实施;的收集、管理、分析和解释数据;准备、审查或批准的手稿;并决定提交出版的手稿。
额外的贡献:我们感谢病人批准发布此信息。万博manbetx平台首页