Top.Mail.Ru
Новости CellSpace

Новая модель нейронной сети для прогнозирования предрасположенности к поствоспалительной гиперпигментации лица

Поствоспалительная гиперпигментация (ПВГ) является одним из частых осложнений после вмешательства при обезображивающих кожу нарушениях пигментации с помощью лазерных, световых, химических и других физико-химических технологий. Все типы кожи по Фитцпатрику (FST) имеют вероятность PIH, и чем выше классификация, тем больше вероятность. Цветные люди более склонны к пигментации, среди которых люди с более темным цветом кожи в Азии являются одной из восприимчивых групп. В настоящее время считается, что заболеваемость ПВГ тесно связана с типом кожи, характером заболевания, степенью воспаления, методами лечения, послеоперационным восстановлением, образом жизни и эффективностью защиты от солнца. По статистике от 11,1% до 17,1% азиатских терапевтов страдают ПВГ после лазерной шлифовки.
Для клинических дерматологов лазерное лечение, такое как отшелушивание и растирание, может стимулировать и усугублять риск ПВГ. Поэтому необходимо срочно решать вопросы, как эффективно оценить восприимчивость, риск и продолжительность ПВГ после фототерапии, а также целесообразно ли экзогенное вмешательство для лечения меланодермии и других заболеваний, которые по своей природе являются воспалительной пигментацией, и можно ли ПВГ усугубляется после вмешательства. Поэтому очень важно установить объективный, точный и неинвазивный метод оценки и определения терапевтических эффектов. В прошлом ПВГ на лице можно было судить и оценивать только визуально после операции. На результаты, как правило, влияют субъективные факторы, что приводит к отсутствию объективности и точности клинического диагноза.
Как широко используемая система анализа кожи, VISIA Skin Analysis System доказала свою тесную и положительную корреляцию с результатами диагностики различных кожных заболеваний в клинических исследованиях. В этом исследовании мы попытались построить искусственную нейронную сеть для прогнозирования предрасположенности к PIH, используя крупномасштабные данные, состоящие из значений показателей пациентов с гиперпигментацией, таких как пятна, УФ-пятна, красные области, коричневые пятна и порфирины, измеренные с помощью VISIA Skin. Система анализа для эффективной клинической диагностики предрасположенности к PIH.

Фон

Была создана модель нейронной сети (ATBP) для прогнозирования предрасположенности к поствоспалительной гиперпигментации (PIH), которая является быстрым, объективным и надежным методом поддержки принятия решений перед физическими и химическими вмешательствами в дерматологических клиниках по поводу нарушений пигментации.

Материал и метод

Набор данных был создан на основе результатов обнаружения VISIA Skin Analysis System 1953 пациентов с нарушениями пигментации, включая 93 477 размеченных данных по 8 показателям. Предлагается новая модель прогнозирования восприимчивости к поствоспалительной гиперпигментации, включающая механизм самоконтроля с несколькими головками и нейронную сеть с обратным распространением, для захвата закономерностей данных обнаружения кожи для прогнозирования восприимчивости к PIH.

Полученные результаты

Результаты сравнительных экспериментов показывают, что Attentive BP (нейронная сеть обратного распространения) имеет значительное превосходство в точности предсказания (0,8604) по сравнению с другими моделями машинного обучения. Эксперименты по абляции доказывают, что механизм самоконтроля с несколькими головками существенно повышает точность и стабильность предсказания. Результаты 10-кратного эксперимента по перекрестной проверке доказывают, что ATBP надежен и позволяет избежать турбулентности при прогнозировании.

Заключение

Используя механизм самоконтроля с несколькими головками и преимущества архитектуры BPNN, предлагаемая модель ATBP обеспечивает надежную и эффективную производительность прогнозирования при прогнозировании восприимчивости к PIH путем обработки крупномасштабных и многомерных данных, т. Е. С учетом всесторонних состояний кожи отдельных лиц. пациент. Из экспериментальных результатов можно доказать, что предложенная модель надежна для поддержки принятия решений о восприимчивости к PIH.

Источник: sciencedirect.com