基于人工智能的圖像技術在皮膚病診斷中的應用

高燕程，白文江，鄭國棟，郭 洋，曹巖竹，張蒲芳

太原學院，山西 太原 030032

0 引言

皮膚作為表層器官覆蓋人體全身，是人體最大的器官，具有保護、感知、分泌等一系列生理功能。作為保護人體的第一道防線，皮膚需要確保人體內外環境的完全隔離，以維持人體的各項功能和生理活動的正常。雖然在維護人體健康方面起著主導作用，但由于人體皮膚的表面積大，長期暴露在自然環境中，其生理代謝系統不僅容易受到刺激或外界因素的影響而發生嚴重損傷，而且可直接由細菌感染引起慢性皮膚病。人體某些內臟器官的病變往往由早期慢性皮膚病直接誘發，而慢性皮膚病是人類最常見的皮膚病之一。

皮膚病的大多數病理部位呈暗褐色、黑色等，主要誘因是紫外線照射或其他刺激引起皮膚局部黑色素的異常增減。隨著經濟的發展，人們越來越重視生活體驗和健康，而各種皮膚病會嚴重影響患者的外貌和健康，因此皮膚病的診斷引起了人們的關注。

當前，信息化和數字化技術也出現了突破性進展，以圖像識別為特色的神經網絡識別技術在許多領域大放異彩，如在人臉識別和停車場車牌識別及無人駕駛技術中，都出現了以圖像識別為代表的神經網絡診斷技術。作為具有明顯特征的皮膚病，也成為圖像識別的應用領域。文章主要借助基于人工智能的圖像技術對皮膚病作出較為精確的診斷。

1 皮膚病概述

皮膚病在醫學上主要分為良性病變和惡性病變，常見的良性病變和惡性病變分別如圖1、圖2所示。

圖1 良性病變

圖2 惡性病變

惡性皮膚病無論輕重都會直接影響人體健康，良性黑色皮膚癌病變雖然不會對人體健康造成較大危害，但會影響人的外貌。非惡性黑色素瘤和惡性皮膚癌的發病率相對較高，但非黑色素和惡性皮膚癌不易直接擴散到其他地方，若能及時干預，切除大面積皮膚，危害程度相對較低，易得到有效治療，且不會危及生命[1]。

2 人工智能技術在皮膚病診療中的應用意義

人工智能技術能夠有效地緩解我國目前醫學技術資源的短缺問題。在皮膚病的診斷治療中，人工智能技術具有明顯的技術優勢。在病人和住院醫師無法及時找到專業皮膚科醫師的特殊情況下，人工智能技術可以為全科醫師和非專科皮膚科住院醫師帶來顯著的醫療效益。人工智能技術也可以幫助許多優秀的皮膚科醫生擺脫日常護理臨床工作中復雜、低價值的重復性工作，讓他們有更多的自由時間獨立思考，積極從事有臨床價值的工作，如銀杏、頭皮屑、蕁麻疹、痤瘡等常見皮膚病的診治。隨著技術的發展，皮膚科患者可以通過使用醫學信息社區的人工智能網站，或通過實時收集醫療信息和遠程在線咨詢，獲得常見類型皮膚病的科學診斷和臨床治療的技術指導，獲得皮膚科醫院專業護士和醫生的及時診斷和治療。

3 基于人工智能的圖像技術在皮膚病診斷中的應用

雖然診斷技術在不斷改進，但目前皮膚病的診斷，如皮膚病變的圖像分割和分類仍然主要依靠專業醫生對病變部位的顏色、質地、大小、形狀等特征進行較為主觀的判斷。鑒于圖像的多樣性，醫生的工作量較大，因此無法保證圖像分割和識別的準確性[2]。此外，由于皮膚病檢測設備種類繁多，皮膚病變圖像的自動分類一直被認為是最大的技術難點。目前，傳統的診斷方法需要對原始皮膚圖像進行復雜的圖像預處理，即便是具有豐富經驗的圖像工程師也需要手工設計特征提取器，選擇合適的分類裝置進行分類[3]。

3.1 皮膚病診斷系統

目前，智能皮膚鏡、皮膚圖像超聲、CT波等智能圖像分析技術已成為現代臨床皮膚病學的重要工具[4]。使用基于人工智能的圖像技術，可以通過圖像數據挖掘、病例分析和推理等方法分析和評價臨床皮膚病圖像數據的醫學特征，從而準確診斷臨床皮膚病癥狀。計算機輔助皮膚病診斷系統可分為皮膚病圖像的自動采集、圖像的自動預處理、圖像的自動分割、特征提取和自動分類圖像識別五個部分。隨著深度學習視覺識別算法、圖像識別、機器人學習、神經網絡等多項臨床關鍵技術的發展，臨床人工智能得到了迅速發展。基于人工智能的圖像技術在現代醫學臨床影像學的發展中得到廣泛應用，其技術優勢越來越明顯。通過充分整合臨床大數據、人工智能和顯微影像處理技術，以及充分整合現代臨床影像皮膚病學和臨床影像處理技術，可以得到現代醫學影像解決方案，利用現代醫學影像技術對一些模糊的診斷結果進行影像分析，從而幫助醫生更好地診斷相關疾病。

3.2 醫療衛生影像診斷

隨著大數據時代現代計算機軟硬件技術的飛速發展，基本實現了信息的全面覆蓋，醫學影像數據分類、檢測等技術取得了技術突破。在醫療衛生影像診斷領域，基于人工智能的圖像技術被廣泛應用于各種皮膚病的診斷，其涉及計算機自動視覺、影像實時和機器深度學習等多種技術。基于人工智能的圖像技術通過深度挖掘圖像數據中心的內部組織結構，可以從原始圖像數據中快速獲取生理特征信息，然后構建圖像分類數據網絡，對與現場數據相關的皮膚病數據進行準確分類，從而快速作出正確的疾病診斷[5]。

臨床研究圖像具有易獲得、成本低等諸多優點，龐大的圖像數據量充分保證了基于人工智能的圖像技術在未來的臨床圖像分類中的應用可行性。相較于傳統皮膚鏡病理圖像、皮膚病理組織圖像等病理分析圖像，臨床研究圖像不是標準化的病理圖像，其拍攝角度、曝光變化程度等與標準化的病理圖像存在明顯差異。周圍皮膚毛發的潛在干擾與患者皮膚的凹凸不平對圖像的分類、應用與識別存在或多或少的干擾，這些干擾會限制深度圖像學習在臨床研究圖像上的應用。人為處理剔除某些干擾較大的臨床圖像是目前較為通用的臨床研究處理方法。未來，臨床研究人員可以通過處理干擾物的方式來增強基于人工智能的圖像技術的深度圖像學習和分類、識別能力，使其可以用于分類、識別患者的耳郭、鼻翼、眼角等凹凸不平或周圍毛發遮蓋較多部位的背景皮膚組織腫物等。

4 基于人工智能的圖像技術存在的技術障礙

基于人工智能的圖像技術中的深度遠程學習在少見皮膚病臨床診斷領域還處于臨床研究起步階段，尚未完全實現臨床診斷應用。目前，限制臨床深度遠程學習的主要技術障礙是臨床數據量的不足與臨床診斷體系標準的不統一。數據量的不足會直接影響臨床深度遠程學習的診斷準確性，也使少見皮膚病的臨床診斷更加困難；常見病的臨床診斷體系標準的不統一，也進一步限制了臨床深度遠程學習的臨床診斷應用，特別是皮膚病軟組織良性病理的臨床診斷與治療分類，在世界范圍內還存在較大技術差異，需要一個統一的皮膚疾病診斷分類標準體系，以促進臨床深度遠程學習的進一步發展。

5 總結

隨著大數據移動醫療信息時代的到來，需要在皮膚病臨床醫療診斷領域建立全面、標準的人工智能移動醫學臨床診斷系統，這具有非常重大的意義。為此，需要各個研究所、研究中心、不同學科的專家學者不斷開展學術交流。

皮膚病學和人工智能的研究與發展需要大量的臨床數據支持。未來，需要繼續研究、收集更多的皮膚病病例，特別是罕見的惡性皮膚病例，如黑色素瘤。此外，人工智能的研究也是一個長期的、不斷改進的過程，需要研究人員不斷的探索和積累。同時，考慮到臨床的實際情況，醫生在輔助會診的過程中可能會結合不同患者的臨床信息資源，綜合分析和判斷各種疾病，研究人員需要積極開發多種模式的醫學模型工具，以準確模擬不同醫生的臨床輔助會診流程，通過詳細的醫生會診、病史數據收集和皮膚病學圖像分析，給出醫生輔助臨床診斷的結果，進一步提高醫學模型的輔助診斷率和準確性。

未來，醫療需要實現覆蓋全人類發展，利用人工智能醫學診斷系統，不僅能夠直接建立醫學臨床診斷移動服務平臺，也能夠實現快速的醫學臨床就醫和移動的醫學臨床診斷。未來，皮膚病醫療人工智能醫學臨床診斷系統不僅能提供初步的醫學臨床診斷，還將提供醫療臨床上的輔助醫學診斷的檢查、治療、藥物應用管理技術輸送、預后及健康照護管理技術教育等一系列醫療技術咨詢服務。