{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{“日期-部件”：[[2024,6,17]]，“日期-时间”：“2024-06-17T05:16:55Z”，“时间戳”：1718601415370}，“参考-计数”：43，“出版商”：“Springer Science and Business Media LLC”，“问题”：“1”，“许可证”：[{“开始”：{'日期-部件“：[2024,2,8]]，”日期-时间“：“2024-02-08T00:00:00Z”，“timestamp”：170735040000}，“content-version”：“tdm”，“delay-in-days”：0，“URL”：“https:\/\/creativecommons.org\/licenses\/by\/4.0”}，{“start”：{“date-parts”：[[2024,2,8]]，“date-time”：“2024-02-08T00:00:00Z”，“timetamp”：170 7350400000}，commons.org\/licenses\/by\/4.0“}]，”content-domain“：{“domain”：[“link.springer.com”]，“crossmark-restriction”：false}，“short-container-title”：[”npj Digit.Med.“]，“abstract”：“摘要<\/jats:title>皮肤病在中国构成了重大挑战。互联网健康论坛为数百万用户提供了一个讨论皮肤病和分享早期干预图像的平台，留下了大量有价值的皮肤病图像。然而，数据质量和注释挑战限制了这些资源开发诊断模型的潜力。在本研究中，我们提出了一个深度学习模型，该模型使用来自不同在线来源的未标注皮肤病图像。我们采用对比学习方法从未标记图像中学习一般表示，并对来自互联网论坛的粗注释图像的模型进行微调。我们的模型对22种常见皮肤病进行了分类。为了提高注释质量，我们使用了一种带有少量标准化验证图像的聚类方法。我们对来自15家三级医院的33位经验丰富的皮肤科医生收集的图像进行了测试，获得了45.05%的第一级准确率，比公布的基线模型高出3%。准确性随着附加验证图像的增加而提高，达到49.64%，每个类别有50张图像。我们的模型还证明了对新任务的可移植性，例如检测猴痘，在训练过程中仅使用50张额外的图像，即可获得61.76%的前1准确率。我们还在基准数据集上测试了我们的模型，以显示泛化能力。我们的研究结果突出了在线论坛中未标注图像在未来皮肤病应用中的潜力，并证明了我们的模型在早期诊断和潜在疫情缓解方面的有效性<\/jats:p>“，”DOI“：”10.1038\/s41746-024-01014-x“，”type“：”journal-article“，”created“：{”date-parts“：[[2024,2,8]]，”date-time“：”2024-02-08T09:03:13Z“，”timestamp“：1707382993000}，”update-policy“：“http://\/dx.DOI.org\/10007\/springer_crossmark_policy”，“source”：“Crossref”，”is-referenced-by-count“：1，”标题“：[”优化皮肤病诊断：使用对比学习和聚类技术利用在线社区数据“]，“前缀”：“10.1038”，“卷”：“7”，“作者”：[{“给定”：“月”，“家庭”：“沈”，“序列”：“第一”，“隶属”：[]}，{“给出”：“欢余”，“家人”：“李”，“顺序”：“附加”，“从属”：[]}，“给定”:“能”，“家族”：“孙”，“排序”：“附加”，“隶属关系”：[]｝，｛“给定”：“洪涛”，“家族”：“季”，“序列”：“附加”，“隶属关系”：[]｝，｛“给定”：“道君”，“家族”：“张”，“序列”：“附加”，“隶属关系”：[]｝，｛“给定”：“坤”，“家族”：“胡”，“序列”：“附加”，“隶属关系”：[]｝，｛“给定”：“一骑”，“家族”：“唐”，“序列”：“附加”，“隶属关系”：[]｝，｛“给定“：”于“，”family“：”Chen“，”sequence“：”additional“，”affiliation“：[]}，{”ORCID“：”http://\/ORCID.org\/0009-0000-7231-3696“，”authenticated-ORCID“：false，”given“：“Zikun”，“family”：“Wei”，“sequence”：“additional”，“affiliance”：[]{“ORCID”：“http://\/ORCID.org\+00000-0001-7278-6864”，”authorited-ORCID:false，“given”：”Junwei“，”family：“Lv”，“sequence”：“additional”，“affiliation“：[]}]，”member“：”297“，”published-on-line“：{”date-parts“：[2024,2,8]]}，”reference“：[{”key“：”1014_CR1“，”doi-asserted-by“：”publisher“，“unstructured”：“敖，Y.，Feng，Q.，Zhou，Z.，Chen，Y.&Wang，T.中国农村三级医疗体系中的资源配置公平性。国际环境研究。公共医疗。19，https:\/\/doi.org\/10.3390\/ijerph19116589（2022）。“，”DOI“：”10.3390\/ijerph19116589“}，{”key“：”1014_CR2“，”DOI-asserted-by“：”publisher“，”first page“：“900”，“DOI”：“10.1038\/s41591-020-0842-3”，“volume”：“26”，“author”：“Y Liu”，“year”：“2020”，“unstructured”：“Liu，Y.et al.皮肤病鉴别诊断的深度学习系统.Nat.Med.26，900\u2013908（2020）.”，“，”journal-title“：“自然医学”}，{“key“：”1014_CR3“，”doi-asserted-by“：”publisher“，”unstructured“：”Dildar，M.等人。皮肤癌检测：使用深度学习技术的综述。国际环境杂志。公共卫生研究。18，https:\/\/doi.org\/10.3390\/ijerph18105479（2021）。“，”DOI“：”10.3390\/ijerph18105479“}，{”key“：”1014_CR4“，”DOI-asserted-by“：”publisher“，”first page“：“275”，“DOI”：“10.14257\/ijbsbt.2015.7.6.28”，“volume”：“7”，“author”：“KS Parikh”，“year”：“2015”，“unstructured”：“Parikh，K.S.，Shah，T.P.，Kota，R.&Vora，R.，R.使用软计算技术诊断常见皮肤病。国际期刊。生物科学。生物技术。7，275\u2013286（2015）。《国际生物科学杂志》。生物技术。“}，{”key“：”1014_CR5“，”first page“：“1”，“volume”：“62”，“author”：“K Ahmed”，“year”：“2013”，“unstructured”：“Ahmed，K.et al.使用数据挖掘早期预防和检测皮肤癌风险。Int.J.Compute.Appl.62，1\u20136（2013）。”，“journal-title”：“Int.J..Compute.Apple.”}，“key”：“365”，“doi”：“10.1007 \/s13555-020-00372-0“，“卷”：“10”，“作者”：“S Chan”，“年份”：“2020”，“非结构化”：“Chan，S.等人。皮肤病学中的机器学习：当前应用、机会和局限性。皮肤病。Ther公司。10365\u2013386（2020）。，“新闻标题”：“皮肤病。疗法。“}，{”key“：”1014_CR7“，”doi-asserted-by“：”publisher“，”first-page“：”5479“，”doi“：”10.3390\/ijerph18105479“，”volume“：“18”，”author“：”M Dildar“，”year“：”2021“，”unstructured“：”Dildar，M.et al.皮肤癌检测：使用深度学习技术的综述[J].国际环境研究公共卫生18，5479（2021）.“，”journal-title“：”Int.J.Environ.研究。公共卫生“}，{“key”：“1014_CR8”，“doi-asserted-by”：“publisher”，“first page”：”4“，“doi”：“10.1684\/ejd.2019.3538”，“volume”：：“29”，“author”：“S Aractingi”，“year”：“2019”，“unstructured”：“Aractingi，S.&Pellacani，G.黑素细胞病变诊断中的计算神经网络：人工智能提高皮肤病诊断？Eur.J。皮肤病。2013年4月29日（2019年）。《欧洲皮肤病杂志》。“}，{”key“：”1014_CR9“，”doi-asserted-by“：”publisher“，”first page“：“141”，”doi“：”10.33545\/27076636.2022.v3.i1b.53“，”volume“：‘3’，”author“：”VR Allugunti“，”year“：”2022“，”unstructured“：”Allugunta，V.R.一种使用卷积神经网络进行皮肤病分类的机器学习模型。国际计算程序数据库管理3，141\u2013147（2022）.”，“期刊标题”：“国际计算机杂志。程序。数据库管理。“}，{”key“：”1014_CR10“，”doi-asserted-by“：”publisher“，”first-page“：”66505“，”doi“：”10.1109\/ACCESS.2019.2918221“，”volume“：“7”，”author“：”Z-Wu“，”year“：”2019“，”unstructured“：”Wu，Z.et al.基于临床图像的面部皮肤病分类的不同cnn算法研究.IEEE ACCESS 7，66505\u201366511（2019）.“，”journal-title“：”IEEE Access“}，{”key“：”1014_CR11“，”doi-asserted-by“：”publisher“，”first page“：“471”，”doi“：”10.1002\/cpt.1951“，“volume”：“108”，“author”：“S Benzekry”，“year”：“2020”，“unstructured”：“Benzeky，S.肿瘤临床决策的人工智能和机械建模。Clin.Pharmacol.Ther.108，471\u2013486（2020）。”，“journal-title”：“”临床。药理学。疗法。“｝，｛”key“：”1014_CR12“，”doi asserted by“：”publisher“，”首页“：”82146“，”doi“：”10.1109\/ACCESS.2021308438“，”卷“：”9“，”作者“：”L Schmarje“，”年份“：”2021“，”非结构化“：”Schmarje，L.，Santarossa，M.，Schr\u00f6der，S.-M&Koch，R。一项关于图像分类的半自主无监督学习的调查。IEEE接入9，82146\u201382168（2021）。“，”journal-title“：”IEEE Access“}，{”key“：”1014_CR13“，”unstructured“：”Chen，T.，Kornblith，S.，Norouzi，M.&Hinton，G.视觉表征对比学习的简单框架。In III，H.D.&Singh，A.（编辑）《第37届机器学习国际会议论文集》，《机器学习研究论文集》第119页，1597\u20131607（2020）。“}，{”key“：”1014_CR14“，”unstructured“：”van den Oord，A.，Li，Y.&Vinyals，O.“用对比预测编码进行表征学习。在https:\/\/arxiv.org\/abs\/1807.03748（2019）上预打印。“}”，{“key”：“1014_CR15”，“unstructure”：“Caron，M.等人。通过对比聚类分配对视觉特征进行无监督学习。在Larochelle，H.、Ranzato，M.、Hadsell，R.、Balcan，M.和Lin，H.（编辑）《神经信息处理系统的进展》，33，9912\u20139924（2020）。“}，{”key“：”1014_CR16“，”doi-asserted-by“：”publisher“，”first-page“：”74“，”doi“：”10.1038\/s41746-023-00811-0“，”volume“：“6”“，”author“：”S-C Huang“，“year”：“2023”，“unstructured”：“Huang，S.-C.et al.Self-supervised learning for medimage classification:a systemical review and implementation guides.NPJ Digit.6，74（2023）.”，“，”journal-title“：”NPJ数字。医学“}，{“key”：“1014_CR17”，“doi-asserted-by”：“crossref”，“unstructured”：“Azizi，S.等人。大型自监督模型促进了医学图像分类。在IEEE计算机视觉国际会议（ICCV）论文集，3478\u20133488（2021）。”，“doi”：“10.1109\/ICCV48922.2021.00346”}非结构化”：“Du，S.等人（编辑）《计算机视觉》2013 ECCV 2022 Workshops，185\u2013202（2023）。“，”DOI“：”10.1007\/978-3-031-25069-9_13“}，{”key“：”1014_CR19“，”DOI-asserted-by“：”crossref“，”unstructured“：”Wu，Y.等人。通过设备学习进行皮肤病诊断的联合对比学习（邀请论文）。2021年IEEE\/ACM国际计算机辅助设计会议（ICCAD），1\u20137，（2021）。“，”10.1109\/ICCAD51958.2021.9643454“}，{“key”：“1014_CR20”，“doi-asserted-by”：“publisher”，“first page”：”106666“，“doi”：“10.1016\/j.cmpb.2022.106666”，“volume”：：“216”，”author“：”BW-Y Hsu“，”year“2022”，”unstructured“：”Hsu，B.W.-Y.&Tseng，V.S。分层软件对比学习与后期融合用于皮肤病变分类。计算。方法程序。生物识别。216, 106666 (2022).“，”journal-title“：”计算。方法程序。生物识别。“}，{”key“：”1014_CR21“，”doi-asserted-by“：”publisher“，”first page“：.“，”journal-title“：”计算。方法程序。生物识别。“}，{”key“：“1014_CR22”，”doi-asserted-by“：”publisher“，”first page“：”1313“，”doi“：”10.1109\/TMI.2016.2528120“，”volume“：：”35“，”author“：”S Albarqouni“，”year“：”2016“，”unstructured“：”Albarqouti，S.et al.Aggnet：深入学习人群，在乳腺癌组织学图像中进行有丝分裂检测。IEEE Trans.Med.Imaging 35，1313\u20131321（2016）。“，”journal-title“：”IEEE Trans。医学成像“}，{”key“：”1014_CR23“，”doi-asserted-by“：”publisher“，”first page“：“2352”，”doi“：”10.1162\/neco_a_00990“，”volume“:”29“，”author“：”W Rawat“，”year“：”2017“，”unstructured“：”Rawat，W.&Wang，Z.图像分类的深度卷积神经网络：综合评述.neural Comput.29，2352\u20132449（2017）.“，”journal-title“：”神经计算。“}，{”key“：”1014_CR24“，”doi-asserted-by“：”crossref“，”unstructured“：”Yun，S.et al.Cutmix：训练具有可本地化特征的强分类器的正则化策略。收录于IEEE\/CVF国际计算机视觉会议（ICCV）（2019）。“，”doi“：”10.1109\/ICCV.2019.00612“}首页“：”90“，”DOI“：”10.1001\/jamadecul.2021.4915“，”卷“：”158“，”作者“：”R Daneshjou“，”年份“：”2022“，”非结构化“：”Daneshjuu，R.等人。皮肤科基于图像的人工智能报告评估清单：国际皮肤成像合作人工智能工作组的CLEAR皮肤共识指南。JAMA Dermatol公司158，90\u201396（2022）。“，”journal-title“：”JAMA Dermatol“}，{”key“：”1014_CR26“，”doi-asserted-by“：”publisher“，”first page“：“692”，”doi“：”10.1002 \/ijc.32764“，”volume“:”147“，“author”：“Y Wu”，“year”：“2020”，“unstructured”：“Wu，Y.et al.中国黑色素瘤负担，1990\u20132017：2017年全球疾病负担研究的发现。国际癌症杂志147，692\u2013701（2020）。“，”journal-title“：”Int.J.Cancer“}，{“key”：“1014_CR27”，“doi-asserted-by”：“crossref”，“unstructured”：“Groh，M.等人。利用fitzpatrick 17k数据集评估皮肤科临床图像训练的深层神经网络。收录于IEEE计算机视觉与模式识别会议论文集，1820\u20131828（2021）。”，“DOI“：”10.1109\/CVPRW53098.2021.00201“}，{“key”：“1014_CR28”，“DOI-asserted-by”：“publisher”，“first-page”：“eabq6147”，“DOI”：“10.1126\/sciadv.abq6147\”，“volume”：”8“，“author”：“R Daneshjou”，“year”：“2022”，“unstructured”：“Daneshjou，R.等人。皮肤科ai在不同的、策划的临床图像集上的表现差异。Sci.Advv.8，eabq6147（2022）。“，”新闻标题“：”科学。Adv.“}，{”key“：”1014_CR29“，”doi-asserted-by“：”publisher“，”first page“：“e31697”，”doi“：”10.2196“，“volume”：“4”，“author”：“P Aggarwal”，“year”：“2021”，“unstructured”：“Aggarwal，P。人工智能成像模型在检测fitzpatrick肤色分类较高的皮肤病表现中的性能。JMIR皮肤科。4，e31697（2021）。”，“期刊标题”：“JMIR皮肤病学。“}，{”key“：”1014_CR30“，”doi-asserted-by“：”publisher“，”first-page“：”e217249“，”doi“：”10.1001\/jamanetworkopen.2021.7249“，”volume“：“4”，”author“：”A Jain“，”year“：”2021“，”unstructured“：”Jain，A.等人。开发和评估基于人工智能\u2013的工具，用于远程皮肤病实践中的初级保健医生和护理从业者的皮肤状况诊断。JAMA Netw公司。打开4，e217249\u2013e217249（2021）。”，“期刊标题”：“美国医学会杂志网。Open“}，{“key”：“1014_CR31”，“unstructured”：“Razeghi，O.，Qiu，G.，Williams，H.&Thomas，K.使用计算机视觉和人在回路中进行皮肤病变图像识别。https:\/\/api.semanticscholar.org\/CorpusID:15228838（2012）。”}，}“keys”：“101 4_CR32”，“doi-asserted-by”：“publisher”，“非结构化”：“Kim，C.等人。通过基于医学文献的图像-文本基础模型培养透明的医学图像AI。medRxiv https:\/\/doi.org\/10.101\/2023.06.07.23291119（2023）。“，”DOI“：”10.1101\/2023.06.07.23291119“}，{”key“：”1014_CR33“，”DOI-asserted-by“：”publisher“，”first page“：“2017”，“DOI”：“10.1097\/CM9.000000000000372”，“volume”：“132”，“author”：“C-X Li”，”year“2019”，“unstructured”：“Li，C.-X.et al.Artificial intelligence in Othermology：present，present and future.Chin.Med.J.132，2017\u20132020（2019）。“，”《新闻标题》：“Chin。Med.J.“}，{”key“：”1014_CR34“，”doi-asserted-by“：”publisher“，”first page“：“102274”，”doi“：”10.1016\/J.media.2021.102274“，”volume”：“75”，”author“：”A Guha Roy“，”year“：”2022“，”unstructured“：”Guha Roi，A.et al.你的皮肤科分类器知道它不知道什么吗？检测看不到的条件的长尾。Med.Image Anal.75，102274（2022）.“，”journal-title“：”医学图像分析。“}，{”key“：”1014_CR35“，”unstructured“：”Ouyang，L.等人。训练语言模型以遵循人类反馈的指令。在Koyejo，S.等人（编辑）《神经信息处理系统的进展》，35，27730\u201327744（2022）115”，“作者”：“O Russakovsky”，“年份”：“2015”，“非结构化”：“Russakovsky，O.等人Imagenet大规模视觉识别挑战。国际期刊计算。视觉。115211\u2013252（2015）。“，”journal-title“：”国际计算杂志。视觉。}，{“key”：“1014_CR37”，“doi-asserted-by”：“publisher”，“unstructured”：“Ronneberger，O.，Fischer，P.&Brox，T.U-net：生物医学图像分割的卷积网络。In Navab，N.，Horneger，J.，Wells，W.M.&Frangi，A.F.（编辑）医学图像计算和计算机辅助干预\u2013MICCAI 2015，234\u2013241，https:\//doi.org\/10.1007\/978-3319-24574-4_28（2015）。“，”DOI“：”10.1007\/978-3-319-24574-4_28“}，{”key“：”1014_CR38“，”DOI-asserted-by“：”publisher“，”unstructured“：”Topiwala，A.，Al-Zogbi，L.，Fleiter，T.&Krieger，A.，新型腹部数据集皮肤分割深度学习技术的适应和评估。2019年IEEE第19届生物信息学和生物工程国际会议（BIBE），752\u2013759，https:\/\/doi.org\/10.109\/BIBE.2019.00141（2019）。“，”DOI“：”10.1109\/BIBE.2019.00141“}，{”key“：”1014_CR39“，”首页“：”76“，”volume“：“3”，”author“：”MG Choi“，”year“：”2009“，”unstructured“：”Choi，M.G.，Jung，J.H.&Jeon，J.W.使用模糊和噪声进行无参考图像质量评估。国际计算科学与工程杂志3，76\u201380（2009）。“，”期刊标题“：”国际计算科学和工程杂志，{“键”：“1014_CR40”，“非结构化“：”中华人民共和国国家卫生委员会。健康数据元素词典。http://www.nhc.gov.cn\/fzs\/s7852d\/202310\/b02b9e310c25477faeff44b2be8ef1a1.shtml（2023）。“}，{”key“：”1014_CR41“，”doi-asserted-by“：”publisher“，”首页“：”56“，”doi“：”10.1016\/j.nurpra.2008.09.020“，”volume“：“5”，”author“：”j DiSantostefano“，”year“：”2009“，”unstructured“：”DiSantostafano，j.International classification of diseases 10th revision（icd-10）。j.Nurse Pract.5，56\u201357（2009）。“，”journal title“：”j.Nuser Pract.“}”，{“键”：“1014_CR42“，“非结构化”：“Sun，D.，Toh，K.-C.&Yuan，Y.凸聚类：模型、理论保证和高效算法。J.马赫。学习。第22号决议（2021年）。“}，{”key“：”1014_CR43“，”doi-asserted-by“：”crossref“，”unstructured“：”Holger，D.，Jan\u00dfen，A.，Resnick，S.I.&Wang，T.关于尾部分析中阈值选择的最小距离程序。SIAM J.Math.Data Sci.2，75\u2013102，（2020）。“，”doi“：”10.1137\/19M1260463“}]，”container-title“：[”npj Digital Medicine“]，”original-title“:[]，”language“：”en“，”link“：[{”URL“：”https:\/\/www.nature.com/articles\/s41746-024-01014-x.pdf“，”content-type“：”application\/pdf“，”content-version“：”vor“，”intended-application“：”text-mining“}，{”URL“：”https:\/\\www.nature.com\/articles \/s41776-024-0114-x“，”内容类型“：”文本\/html“，”content-version”：“vor”，“intended-application”：“text-miniing”}，{“URL”：“https:\/\/www.nature.com/articles \/s41746-024-01014-x.pdf“，“content-type”：“application\/pdf”，“content-version”：“vor”，“intended-application”：“similarity-checking”}]，“deposed”：{“date-parts”：[[2024,2,8]]，“date-time”：”2024-02-08T09:08:24Z“，“timestamp”：1707383304000}，“score”：1，“resource”：{-“primary”：{“URL”：“https:\/\/www.nature.com/articles \/s41746-024-01014-x“}}，”subtitle“：[]，”shorttitle“：[]，”issued“：{”date-parts“：[[2024,2,8]]}，“references-count”：43，“journal-issue”：{“issue”：“1”，“published-online”：{“date-part”：[2024,12]}}、“alternative-id”：[“1014”]，“URL”：“http://\/dx.doi”。org\/10.1038\/s41746-024-01014-x“，”关系“：{}，”ISSN“：[”2398-6352“]，”issn-type“：[{”value“：“2398-6352”，“type”：“electronic”}]，“subject”：[]，“published”：{“date-parts”：[2024,2,8]]}，“assertion”：[{“value”：”2023年5月29日“，”order“：1，”name“：”received“，”label“：”received“，，“标签”：“接受”，“组”：{“名称”：“ArticleHistory“，”label“：”Article-History“}}，{”value“：”2024年2月8日“，”order“：3，”name“：”first_online“，”标签“：”first online“，“group”：{”name“；”Article History”，“label”：“Article History”}}、{“value”：“作者声明无竞争利益。”，“order”：1，“name”：“Ethics“，”group“：{“name”:“EthicsHeading”，“标签”：“竞争利益”}}]，“文章编号“：”28“}}