基于人工智能的图像技术在皮肤病诊断中的应用

高燕程，白文江，郑国栋，郭 洋，曹岩竹，张蒲芳

太原学院，山西 太原 030032

0 引言

皮肤作为表层器官覆盖人体全身，是人体最大的器官，具有保护、感知、分泌等一系列生理功能。作为保护人体的第一道防线，皮肤需要确保人体内外环境的完全隔离，以维持人体的各项功能和生理活动的正常。虽然在维护人体健康方面起着主导作用，但由于人体皮肤的表面积大，长期暴露在自然环境中，其生理代谢系统不仅容易受到刺激或外界因素的影响而发生严重损伤，而且可直接由细菌感染引起慢性皮肤病。人体某些内脏器官的病变往往由早期慢性皮肤病直接诱发，而慢性皮肤病是人类最常见的皮肤病之一。

皮肤病的大多数病理部位呈暗褐色、黑色等，主要诱因是紫外线照射或其他刺激引起皮肤局部黑色素的异常增减。随着经济的发展，人们越来越重视生活体验和健康，而各种皮肤病会严重影响患者的外貌和健康，因此皮肤病的诊断引起了人们的关注。

当前，信息化和数字化技术也出现了突破性进展，以图像识别为特色的神经网络识别技术在许多领域大放异彩，如在人脸识别和停车场车牌识别及无人驾驶技术中，都出现了以图像识别为代表的神经网络诊断技术。作为具有明显特征的皮肤病，也成为图像识别的应用领域。文章主要借助基于人工智能的图像技术对皮肤病作出较为精确的诊断。

1 皮肤病概述

皮肤病在医学上主要分为良性病变和恶性病变，常见的良性病变和恶性病变分别如图1、图2所示。

图1 良性病变

图2 恶性病变

恶性皮肤病无论轻重都会直接影响人体健康，良性黑色皮肤癌病变虽然不会对人体健康造成较大危害，但会影响人的外貌。非恶性黑色素瘤和恶性皮肤癌的发病率相对较高，但非黑色素和恶性皮肤癌不易直接扩散到其他地方，若能及时干预，切除大面积皮肤，危害程度相对较低，易得到有效治疗，且不会危及生命[1]。

2 人工智能技术在皮肤病诊疗中的应用意义

人工智能技术能够有效地缓解我国目前医学技术资源的短缺问题。在皮肤病的诊断治疗中，人工智能技术具有明显的技术优势。在病人和住院医师无法及时找到专业皮肤科医师的特殊情况下，人工智能技术可以为全科医师和非专科皮肤科住院医师带来显著的医疗效益。人工智能技术也可以帮助许多优秀的皮肤科医生摆脱日常护理临床工作中复杂、低价值的重复性工作，让他们有更多的自由时间独立思考，积极从事有临床价值的工作，如银杏、头皮屑、荨麻疹、痤疮等常见皮肤病的诊治。随着技术的发展，皮肤科患者可以通过使用医学信息社区的人工智能网站，或通过实时收集医疗信息和远程在线咨询，获得常见类型皮肤病的科学诊断和临床治疗的技术指导，获得皮肤科医院专业护士和医生的及时诊断和治疗。

3 基于人工智能的图像技术在皮肤病诊断中的应用

虽然诊断技术在不断改进，但目前皮肤病的诊断，如皮肤病变的图像分割和分类仍然主要依靠专业医生对病变部位的颜色、质地、大小、形状等特征进行较为主观的判断。鉴于图像的多样性，医生的工作量较大，因此无法保证图像分割和识别的准确性[2]。此外，由于皮肤病检测设备种类繁多，皮肤病变图像的自动分类一直被认为是最大的技术难点。目前，传统的诊断方法需要对原始皮肤图像进行复杂的图像预处理，即便是具有丰富经验的图像工程师也需要手工设计特征提取器，选择合适的分类装置进行分类[3]。

3.1 皮肤病诊断系统

目前，智能皮肤镜、皮肤图像超声、CT波等智能图像分析技术已成为现代临床皮肤病学的重要工具[4]。使用基于人工智能的图像技术，可以通过图像数据挖掘、病例分析和推理等方法分析和评价临床皮肤病图像数据的医学特征，从而准确诊断临床皮肤病症状。计算机辅助皮肤病诊断系统可分为皮肤病图像的自动采集、图像的自动预处理、图像的自动分割、特征提取和自动分类图像识别五个部分。随着深度学习视觉识别算法、图像识别、机器人学习、神经网络等多项临床关键技术的发展，临床人工智能得到了迅速发展。基于人工智能的图像技术在现代医学临床影像学的发展中得到广泛应用，其技术优势越来越明显。通过充分整合临床大数据、人工智能和显微影像处理技术，以及充分整合现代临床影像皮肤病学和临床影像处理技术，可以得到现代医学影像解决方案，利用现代医学影像技术对一些模糊的诊断结果进行影像分析，从而帮助医生更好地诊断相关疾病。

3.2 医疗卫生影像诊断

随着大数据时代现代计算机软硬件技术的飞速发展，基本实现了信息的全面覆盖，医学影像数据分类、检测等技术取得了技术突破。在医疗卫生影像诊断领域，基于人工智能的图像技术被广泛应用于各种皮肤病的诊断，其涉及计算机自动视觉、影像实时和机器深度学习等多种技术。基于人工智能的图像技术通过深度挖掘图像数据中心的内部组织结构，可以从原始图像数据中快速获取生理特征信息，然后构建图像分类数据网络，对与现场数据相关的皮肤病数据进行准确分类，从而快速作出正确的疾病诊断[5]。

临床研究图像具有易获得、成本低等诸多优点，庞大的图像数据量充分保证了基于人工智能的图像技术在未来的临床图像分类中的应用可行性。相较于传统皮肤镜病理图像、皮肤病理组织图像等病理分析图像，临床研究图像不是标准化的病理图像，其拍摄角度、曝光变化程度等与标准化的病理图像存在明显差异。周围皮肤毛发的潜在干扰与患者皮肤的凹凸不平对图像的分类、应用与识别存在或多或少的干扰，这些干扰会限制深度图像学习在临床研究图像上的应用。人为处理剔除某些干扰较大的临床图像是目前较为通用的临床研究处理方法。未来，临床研究人员可以通过处理干扰物的方式来增强基于人工智能的图像技术的深度图像学习和分类、识别能力，使其可以用于分类、识别患者的耳郭、鼻翼、眼角等凹凸不平或周围毛发遮盖较多部位的背景皮肤组织肿物等。

4 基于人工智能的图像技术存在的技术障碍

基于人工智能的图像技术中的深度远程学习在少见皮肤病临床诊断领域还处于临床研究起步阶段，尚未完全实现临床诊断应用。目前，限制临床深度远程学习的主要技术障碍是临床数据量的不足与临床诊断体系标准的不统一。数据量的不足会直接影响临床深度远程学习的诊断准确性，也使少见皮肤病的临床诊断更加困难；常见病的临床诊断体系标准的不统一，也进一步限制了临床深度远程学习的临床诊断应用，特别是皮肤病软组织良性病理的临床诊断与治疗分类，在世界范围内还存在较大技术差异，需要一个统一的皮肤疾病诊断分类标准体系，以促进临床深度远程学习的进一步发展。

5 总结

随着大数据移动医疗信息时代的到来，需要在皮肤病临床医疗诊断领域建立全面、标准的人工智能移动医学临床诊断系统，这具有非常重大的意义。为此，需要各个研究所、研究中心、不同学科的专家学者不断开展学术交流。

皮肤病学和人工智能的研究与发展需要大量的临床数据支持。未来，需要继续研究、收集更多的皮肤病病例，特别是罕见的恶性皮肤病例，如黑色素瘤。此外，人工智能的研究也是一个长期的、不断改进的过程，需要研究人员不断的探索和积累。同时，考虑到临床的实际情况，医生在辅助会诊的过程中可能会结合不同患者的临床信息资源，综合分析和判断各种疾病，研究人员需要积极开发多种模式的医学模型工具，以准确模拟不同医生的临床辅助会诊流程，通过详细的医生会诊、病史数据收集和皮肤病学图像分析，给出医生辅助临床诊断的结果，进一步提高医学模型的辅助诊断率和准确性。

未来，医疗需要实现覆盖全人类发展，利用人工智能医学诊断系统，不仅能够直接建立医学临床诊断移动服务平台，也能够实现快速的医学临床就医和移动的医学临床诊断。未来，皮肤病医疗人工智能医学临床诊断系统不仅能提供初步的医学临床诊断，还将提供医疗临床上的辅助医学诊断的检查、治疗、药物应用管理技术输送、预后及健康照护管理技术教育等一系列医疗技术咨询服务。