Feb, 2023

SkinCon: 由领域专家密集注释的皮肤病数据集，用于精细模型调试和分析

PDF
TL;DR开发了由皮肤科医生密集注释的皮肤病 数据库 SkinCon， 其中包括 3230 张皮肤病图像， 使用 48 个临床概念的概念元标签进行注释， 为 AI 皮肤病模型的错误调试提供了潜在应用。
artificial intelligencehealthcareinterpretabilitydatabaseskin disease
发现论文，激发创造
  • SkinCAP：一种带有丰富医学描述的多模式皮肤科数据集

    介绍了 SkinCAP 多模态皮肤病数据集，由 board-certified 皮肤科医生进行了详细的医学描述和标题注释。

    May, 2024

  • DERM12345：一个包含 38 个子类别的大型多源皮肤镜病变数据集

    这篇研究提供了一个多样化的数据集，包括 12,345 个高分辨率的皮肤镜图像，涵盖了 38 个皮肤病变的亚类，为皮肤病变的早期诊断提供了可靠的基础和有针对性的研究。

    Jun, 2024

  • 基于概念的皮肤病诊断视觉语言模型的诠释性研究

    基于视觉语言模型的嵌入学习策略可以在皮肤病诊断中减少对大量概念标注样本的依赖，提高准确性，并且比自动生成概念的特定方法所需的概念标注样本数量更少。

    Nov, 2023

  • 医学图像中基于一致性概念的解释及其在皮肤病诊断中的应用

    本文提出了一种可解释性的深度学习模型在诊断黑色素瘤皮损方面的应用，该模型基于概念编码器和硬注意力机制及可视连贯性损失项进行优化，其结果表明该模型优于现有黑盒和概念模型。

    Apr, 2023

  • MICA：通过多级图像概念对齐实现可解释性皮肤病病变诊断

    通过使用黑盒深度学习方法，并结合可解释的人工智能和基于概念的方法，在医学图像分析领域提出一种多模态可解释疾病诊断框架，以实现模型可解释性、高性能和标签效率的平衡。

    Jan, 2024

  • 使用多标签深度神经网络实现皮肤病分类与皮肤病变表征的鲁棒诊断

    本文研究了实现强健的皮肤病诊断的实用方法，并提出一种以皮损为病变类型标签的自动化诊断系统作为目标的方法，并应用卷积神经网络（CNNs）来实现疾病定向诊断和病变定向分类的分类器，并采用来自六个公开皮肤病学大全的 75665 个皮肤病图像来进行训练与测试，结果证明基于病变定向分类的分类器的效果优于疾病定向的分类器。

    Dec, 2018

  • 使用卷积神经网络和目标检测模型进行计算机辅助的皮肤病临床诊断

    本研究使用卷积神经网络和集成方法对两个皮肤病图片数据集进行分类。结果表明，使用目标检测技术可以提高某些皮肤病类别的分类准确性。

    Nov, 2019

  • 一个以患者为中心的图像和元数据数据集，用于使用临床上下文识别黑色素瘤

    2020 SIIM-ISIC Melanoma Classification challenge dataset was developed to provide patient-level contextual information for dermatologists’ holistic judgment on melanoma, containing 33,126 dermoscopic images and 584 confirmed melanomas among 2,056 patients.

    Aug, 2020

  • BCN20000：野外皮肤镜病变

    本篇论文总结了 BCN20000 数据集，该集包含来自巴塞罗那医学中心在 2010 年至 2016 年期间拍摄的 19424 张皮肤镜检影像，旨在研究皮肤癌的非受限分类问题，包括在难以诊断的部位（指甲和黏膜），不适合镜检设备孔径的大型病变和低色素病变。BCN20000 将提供给 ISIC Challenge 2019 的参与者使用，参与者需要训练算法自动分类皮肤癌镜检影像。

    Aug, 2019

  • 基于概念激活向量的深度学习皮肤病变分类器可解释性研究

    该研究使用了一个经过训练的神经网络，通过激活向量概念来介绍了深度学习的医学图像分类器，以验证模型学习和利用类似于皮肤科医师所描述和使用的疾病相关概念，并且进一步开发 CAV 的神经网络。

    May, 2020