{“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”：[[2024,5,29]]，“日期-时间”：“2024-05-29T05:57:47Z”，“时间戳”：1716962267313}，“引用-计数”：36，“发布者”：“Frontiers Media SA”，“许可证”：[{“开始”：{“日期-部分”：[2023,10,19]]，”日期-时间“：”2023-10-19T00:00:00 0:00Z“，”时间戳“：1697673600000}，“content-version”：“vor”，“delay-in-days”：0，“URL”：“https:\/\/creativecommons.org\/licenses\/by\/4.0\/”}]，“内容域”：{“域”：[“frontiersin.org”]，“crossmark-restriction”：true}，“short-container-title”：[”Front.Artif.Intell.“]，“抽象”：“背景<\/jats:title>由于实验室测试的可靠性较低，皮肤病更适合用人工智能模型进行诊断。结合图像和文本的AI皮肤病诊断模型有限；其中很少针对亚洲人群，也很少涉及最常见的疾病类型<\/jats:p>方法<\/jats:title>利用来自亚洲的数据集，该数据集包含20多万张图像和22万份医疗记录，我们探索了一个基于深度学习的双通道图像系统，并提取用于皮肤病诊断的文本模型DIET-AI，以诊断31种皮肤病，其中涵盖了大多数常见皮肤病。从2021年9月1日至12月1日，我们前瞻性地收集了来自中国7个省份15家医院6043例病例和医疗记录的图像。然后将DIET-AI的表现与临床数据集中六位不同资历的医生的表现进行比较<\/jats:p><\/jats:sec>结果<\/jats:title>DIET-AI在31种疾病中的平均表现不低于所有不同资历的医生。通过比较曲线下面积、敏感性和特异性，我们证明DIET-AI模型在临床场景中是有效的。此外，病历在不同程度上影响DIET-AI和医生的表现<\/jats:p>结论<\/jats:title>这是中国人口中最大的皮肤病数据集。我们首次在非癌症皮炎数据集上建立了双通道图像分类模型，该数据集包含图像和病历，并在常见皮肤病方面取得了与资深医生相当的诊断性能。为以后探索DIET-AI在临床应用中的可行性和性能评价提供参考<\/jats:p><\/jats:sec>“，”DOI“：”10.3389\/frai.2023.1213620“，”type“：”journal-article“，”created“：{”date-parts“：[[2023,10,19]]，”date-time“：”2023-10-19T07:45:38Z“，”timestamp“：1697701538000}，”update-policy“：count“：3，”标题“：[”双通道图像和提取文本“]”、“前缀”：“10.3389”、“卷”：“6”、“作者”：[{“给定”：“寰宇”、“家族”：“李”、“序列”：“第一”、“从属关系”：[]}、{“给出”：“彭”、“家庭”：“张”、“顺序”：“附加”、“隶属关系”：[]}，{“已知”：“子坤”、“家人”：“卫”、“排序”：“额外”、“附属关系”：【】}，“”给定“：”田“，”家庭“：”钱“，”序列“：”附加“，”从属“：[]}，{“给定”：”益气“，”家族“：”唐“，”顺序“：”额外“，”隶属“：[]}，}“给定的”：“坤”，“家庭”：“胡”，“序列”：“附加”，“从属“：[]}”，{”给定“：“先琼”，“家族”：“黄”，“顺序”：“额外”，“隶属”：[]{“已知”：“鑫”xin”，“family”：“夏”，“sequence”：“附加“，”从属“：[]}，{“给定”：“一双”，“家庭”：“张”，“序列”：“附加”，“从属”：[]neneneep，{”给定“：“海星”，“家族”：“成”，“顺序”：“额外”，“隶属”：[]}，}“给定“：”福兵“，”家庭“：”余“，”序列“：”附加“，“从属从属关系“：[]}，{”给定“：”科纳，“家族”：“丹”，“序列”：“附加”，“从属”：[]}：“Jiang”，“sequence”：“附加”，“从属关系“：[]}，{“给定”：“李伟”，“家庭”：“刘”，“序列”：“附加”，“从属关系”：[]}、{“给出”：“于坤”，“家族”：“范”，“顺序”：“额外”，“隶属关系”：[]{，{-“给定”:“婷婷”，”家庭“：“宋”，“排序”：“添加”，“归属”：[]}，}“给定的”：“国民”，“家人”：“周”，“次序”：“增加”，“附属关系”：[]}，{“给定”：“子一”，“家庭”：“王“，”sequence“：”additional“，”affiliation“：[]}，”{“given”：”道军“，”family“：”张“，”序列“：”附加“，”从属“：[]}，“givent”：”军卫“，”家庭“：”吕“，”sequence“:”additionable“，”atriation“：[]}]，“member”：“1965”，“published on”：{“date-parts”：[2023,10,19]}、“reference”：[{“key”：“B1”，“volume-title”“：”炎症性皮肤病的组织学诊断：一种基于模式分析的算法”，“作者”：“Ackerman”，“年份”：“2005”}，{“密钥”：“B2”，“doi断言”：“publisher”，“首页”：“38306”，“doi”：“10.1109\/ACCESS.20192906241”，“文章标题”：“使用具有新型正则化子的卷积神经网络进行皮肤病变分类”，“卷”：“7”，“作者”：“Albahar”，“年份”：“2019”，“期刊标题”：“IEEE Access”}，{“密钥”：“B3”，“doi断言”：“出版商”，“第一页”：“1146”，“doi”：“10.1109\/ICP.2014.7025716”，“文章标题”：“利用颜色恒定性改进皮肤镜图像分类”，“卷”：“19”，“作者”：“Barata”，“年份”：“2014”，“期刊标题”：“IEEE J.Biomed.Health Inform”}，{“密钥”：“B4“，”doi-asserted-by“：”publisher“，”first page“：”361“，”doi“：”10.1016\/S0190-9622（87）70050-4“，”article-title“：”黑素瘤临床诊断的可能新工具：计算机“，”volume“：“16”，“author”：“Cascinelli”，“year”：“1987”，“journal-title”：“J.Am.Acad。皮肤病“}，{”key“：”B5“，”doi-asserted-by“：”publisher“，”first page“：“115”，”doi“：”10.1038\/nature21056“，”article-title“：”皮肤癌与深部神经网络的皮肤病学分级“，”volume“：初级保健医生在皮肤病学方面的能力：对护理质量的影响”，“卷”：“3”，“作者”：“Federman”，“年份”：“1997年”，“期刊标题”：“Am.J.Manag。Care“}，{”key“：”B7“，”doi-asserted-by“：”publisher“，”first page“：“170”，”doi“：”10.1001\/archfami.8.2.170“，”article-title“：”初级保健从业者和皮肤科医生皮肤病诊断的比较：文献综述“，”volume“：publisher“，”DOI“：”10.1016\/j.compbiomed.2020.104065“，”article-title“：”基于人工智能的皮肤癌诊断图像分类方法：挑战与机遇“，”volume“：”127“，“author”：“Goyal”，“year”：“2020”，“journal-title”：“Comput”。生物医学“}，{”key“：”B9“，”first page“：“1321”，”article-title“：”On calibration of modern neural networks“，”volume-title”：“International Conference On Machine Learning”，”author“：”Guo“，”year“：”2017“}”，{“key”：“B10”，”doi-asserted-by“：”publisher“，”第一页：“1836”，“doi”：“10.1093\/annonc\/mdy166”，”article-tited“：”人与机器：与58名皮肤科医生相比，深度学习卷积神经网络在皮肤镜黑色素瘤识别中的诊断性能”，“卷”：“29”，“作者”：“Haenssle”，“年份”：“2018”，“期刊标题”：“Ann.Oncol”}，{“密钥”：“B11”，“doi断言”：“出版商”，“第一页”：“202”，“doi”：“10.1016\/j.ejca.20210.06.49”article-title“：“基于卷积神经网络的皮肤癌分类：涉及人类专家的研究的系统综述”，“卷”：“156”，“作者”：“Haggenm\u00fcller”，“年份”：“2021年”，“期刊标题”：“Eur.J.cancer”}，{“关键字”：“B12”，“doi-asserted-by”：“出版商”，“首页”：“770”，“doi”：“10.1109\/CVPR.2016.90”，“article-title”：“图像识别的深度剩余学习”，“作者”：“何”，“年份”：“2016年”，“期刊标题”：“IEEE计算机视觉和模式识别会议论文集”}，{“key”：“B13”，“article-title”：“Meddialog:两个大型医学对话数据集”，“author”：“He”，“year”：“2020”，“journal-tittle”：doi-asserted-by“：”publisher“，”first page“：”e49“，”doi“：”10.1016\/S2589-7500（20）30004-2“，”article-title“：”将癌症诊断留给计算机“，”volume“：“2”，”year“：”2020“，”journal-title”：“Lancet Dig。Health“}，{”key“：”B15“，”doi-asserted-by“：”publisher“，”doi“：”10.2196\/26025“，”article-title“：”基于湘雅术语的六种常见皮肤病分类：中国人工智能数据库的开发“，”volume“：“23”，“author”：“Huang”，“year”：“2021”，“journal-title”：“J.Med.Internet Res”}，”{“key”：“B16”，“doi-assert-by”：“”publisher“，“first page”：“e217249”，“DOI”：“10.1001\/jamanetworkopen.2021.7249”、“article-title”：“远程皮肤病学实践中初级保健医生和护理从业者基于人工智能的皮肤病诊断工具的开发和评估”，“volume”：”4“，“author”：“Jain”，“year”：“2021”，“journal-title“：”JAMA Netw。Open“}，{”key“：”B17“，”doi-asserted-by“：”publisher“，”first page“：“114822”，”doi“：”10.1109\/ACCESS.2020.3003890“，”article-title“：”使用深度卷积神经网络和转移学习将isic 2019皮肤病变分类为八类“，”volume“：doi-asserted-by“：”publisher“，”first page“：”42“，”doi“：”10.46439\/biomedres.3.025“，”article-title“：”皮肤病数据集中种族代表性不足导致机器学习模型有偏见和医疗不公平“，”volume“：“3”，“author”：“Kleinberg”，“year”：“2022”，“journal-title”：“J.Biomed。Res“}，{”key“：”B19“，”doi-asserted-by“：”publisher“，”first page“：“56”，”doi“：”10.1016\/j.imed.2021.04.003“，”article-title“：”皮肤科人工智能系统的构建：中国皮肤图像数据库（csid）的有效性和考虑因素“，”volume“：1”，“author”：“Li”，“year”：“2021”，”journal title“：“Intell.Med”}，”{“key”：“B20”，“article-title“：“可视化神经网络的损失景观”，“author”：“Li”，“year”：“2017”，“journal-title”：“arXiv预印本arXiv:1712.09913”}，{“key”：“B21”，“article-title”:“Flat:Chinese ner using Flat-latting transformer”，“author”:“Li“，”year“2020”，“journal-ttitle”：，“首页“：”719“，”DOI“：”10.1109\/TMI.2012.226349“，”文章标题“：”二维牛皮癣皮肤图像缩放的自动分割“，”卷“：”32“，”作者“：”卢“，”年份“：”2012“，”期刊标题“：“IEEE Trans。Med.Imag“}，{”key“：”B23“，”doi-asserted-by“：”publisher“，”first page“：“77”，”doi“：”10.1111\/j.1440-0960.2007.00340.x“，”article-title“：”在转诊环境下评估全科医生皮肤病诊断技能的前瞻性研究“，”volume“：doi-asserted-by“：”publisher“，”first page“：”1“，”doi“：”10.1007\/s10916-016-0460-2“，”article-title“：”通过监督和深度学习算法诊断黑色素瘤皮肤病变的新方法“，”volume“：“40”，”author“：”Premaladha“，”year“：”2016“，”journal-title”：“J.Med.Syst”}，{“key”：“B25”，“doi-assert-by”：“publisher”，”first-page“：”e549“，”DOI“：”10.1136\/bmj.m3210“，”article-title“：”人工智能干预的临床试验协议指南：精神ai扩展“，”volume“：”2“，”author“：”Rivera“，”year“：”2020“，”journal-title”：“Lancet Digital Health”}，{“key”：“B26”，“first-page:”234“，”article-title“：”U-net：生物医学图像分割的卷积网络”，“volume-title”：“医学图像计算和计算机辅助干预-MICCAI 2015:第18届国际会议，论文集，第三部分18”，“作者”：“Ronneberger”，“年份”：“2015”}，{“key”：“B27”，“doi-asserted-by”：“publisher”，“first page”：”1736“，“doi”：“10.1016\/S0140-6736（18）32203-7“，“article-title”：“1980\u20132017年195个国家和地区282种死亡原因的全球、区域和国家年龄-性别特异性死亡率：2017年全球疾病负担研究的系统分析”，“卷”：“392”，“作者”：“罗斯”，“年份”：“2018年”，“新闻标题”：“柳叶刀”}，{“关键”：“B28”，“doi-asserted-by”：“出版商”，“首页“：”1252“，”DOI“：”10.1111\/exd.14022“，”article-title“：”智能手机照片痤疮分级人工智能算法的开发和准确性“，”volume“：”28“，”author“：”Seit\u00e9“，”year“：”2019“，“journal-title”：“Exper”。皮肤病“}，{”key“：”B29“，”doi-asserted-by“：”publisher“，”first page“：“25”，”doi“：”10.1111\/j.1600-0846.2007.00181.x“，”article-title“：”皮肤模式特征与abcd分析相结合，用于病变分类“，”volume“：首页“：”1107“，”DOI“：”10.1001\/jama.2018.11029“，”article-title“：”人工智能和深度学习的临床意义和挑战“，”volume“：”320“，”author“：”Stead“，”year“：”2018“，”journal-title”：“jama”}，{“key”：“B31”，“DOI-asserted-by”：“publisher”，“first-pages”：“230”，“DOI”：“10.1111\/j.1440-0960.2005.0189.x”，“article-title”评估皮肤科的诊断技能：全科医生和皮肤科医生之间的比较”，“卷”：“46”，“作者”：“Tran”，“年份”：“2005年”，“新闻标题”：“Austral。J.Dermatol“}，{”key“：”B32“，”doi-asserted-by“：”publisher“，”first page“：“40”，”doi“：”10.1016\/J.jdin.2020.10.006“，”article-title“：”亚洲皮肤病负担和相关社会经济地位：“1990\u20132017年全球疾病负担研究的横断面分析”，“volume”：“2”，“author”：“Urban”，“year”：“2021”，“journal-title”：“JAAD Int”}，{“key”：“B33”，“doi-asserted-by”：“publisher”，“first page”：《451》，“doi”：“10.3390\/diagnostics11030451”，“article-title”：“廉价易用的智能手机设备在皮肤镜检查中的作用，用于使用卷积神经网络对三种皮肤病变进行分类”，“volume”：：“Diagnostics”}，{“key”：“B34”，“doi-asserted-by”：“publisher”，“first page”：”1204“，“doi”：“10.1016\/S0140-6736（20）30925-9”，“article-title”：“1990\u20132019年204个国家和地区369种疾病和伤害的全球负担：2019年全球疾病负担研究的系统分析”，“volume”：《396》，“author”：“Vos”，“year”：“2020”，“journal-title”：“Lancet”}，{“key”：“B35”，“article-title“：“Objects as points”，“author”：“Zhou”，“year”：“2019”，“johnal-title:”arXiv预印本arXiv:1904.07850“}，“key“：”B36“，”doi-asserted-by“：”publisher“，”first page“12”，“doi”：“10.1038\/jidsymp.2015.9”，“article-title”：“中国皮肤病学”，“volume”：17“，“作者”：“周”，“年份”：“2015”，“新闻标题”：“J.Investig.Dermatol.Symp.Proc”}]，“container-title”：[“人工智能的前沿”]，“原始标题”：[]，“链接”：[{“URL”：“https:\/\/www.frontiersin.org\/articles\/10.3389\/frai.2023.1213620\/full”，“content-type”：“unspecified”，“内容-版本”：“vor”，“intended-application”：“相似性检查”}，“存放”：{“日期-部件”：[2023,10,10,1第9页]]，“date-time”：“2023-10-19T07:45:44Z”，“timestamp”：1697701544000}，“score”：1，“resource”：{“primary”：{“URL”：“https:\/\/www.frontiersin.org\/articles\/10.3389\/frai.2023.1213620\/full”}，《副标题》：[]，“短标题”：[]389 \/frai.2023.1213620“]，“URL”：“http://\/dx.doi.org \/10.3389 \/frai.2023.1213620”，“关系”：{}，“ISSN”：[“2624-8212”]，“ISSN-type”：[{“值”：“2624-8212”，“类型”：“电子”}]，“主题”：[]，“发布”：{“日期部分”：[2023,10,19]]}}}}