연구진은 5가지 음경 질환(단순 포진 발진, 매독 궤양, 음경 칸디다증, 음경암, 성기 사마귀)에 대한 원본 및 증강 이미지로 구성된 임상 이미지 데이터셋을 개발했다. U-net 아키텍처 모델을 사용하여 배경과 대상 이미지를 구분하는 의미론적 픽셀 세그멘테이션을 수행했고, Inception-ResNet version 2 신경망 아키텍처를 활용해 각 픽셀을 질병 또는 정상으로 분류했다. GradCAM++를 통해 예측 결과에 대한 시각적 설명과 식별된 병변 부위의 위치를 확인했다.
모델은 이미지 데이터베이스의 랜덤 91%를 사용하여 150 에폭 동안 학습되었고, 나머지 9%의 이미지로 평가되었다. recall, precision, specificity, F1-score 등의 지표를 통해 모델의 성능을 확인한 결과, 전체 정확도는 0.944로 우수한 수준이었다.
2023년 7월 1일부터 10월 1일 사이 모바일 플랫폼의 고유 사용자는 2,640명이었다. 무작위로 선별된 437명의 사용자 중 62.0%가 미국, 14.6%가 싱가포르, 9.4%가 캐나다, 9.2%가 영국, 4.8%가 베트남 출신이었다. 대부분(63.4%)이 18-30세 사이의 연령대였다.
이 연구는 5가지 음경 질환을 분류하는 기계 학습 모델을 개발하고, 검증 데이터셋에서 우수한 성능을 보였음을 보고한다. 현재 전 세계적으로 사용되고 있는 이 모델은 음경 질환 진단 서비스에 대한 접근성을 높일 수 있는 잠재력을 가지고 있다.
To Another Language
from source content
arxiv.org
Głębsze pytania