图像识别技术在皮肤性病学教学中的应用

常瑞雪，张思平

随着科学技术和医疗设备的不断更新，以皮肤镜、皮肤超声、皮肤CT（computed tomography）、皮肤病理、真菌镜检等为代表的影像技术和辅助检查已经成为临床皮肤性病诊断的有效工具[1]。但无论是对皮肤性病病灶区域的望诊，还是依靠先进的影像技术和辅助检查进行诊断，只有临床经验十分丰富的皮肤性病专家才能给出相对准确的诊断结果，而皮肤性病学科的医学生、实习生和年轻医生却很难给出准确的诊断。

传统的书本教学利用教学课件来向学生展示皮肤性病图像，因为拍摄角度、曝光程度、学生认知程度、授课教师语言表达等多种原因，学生对相关皮肤疾病的理解有着很大的限制性和误差率[2]。皮肤性病的部位、形态及其演变过程是学生掌握的难点，虽然其临床症状、体征看似简单，但不同症状和体征所对应的疾病却错综复杂[3]，不同疾病图像间的细小变化，不同时期同一种疾病图像的变化特点，仅靠传统的教学方式是无法达到预期的教学效果[4,5]。

由于皮肤性病疾病主要外露在身体皮肤上，病灶区域视觉特征较为明显，因此图像识别技术在皮肤性病领域应用较为成功。在皮肤性病科教学中，可以通过合理运用图像识别技术，让学生很方便清晰地观察到不同皮肤疾病的病灶区域、演变过程、立体可视化显示以及对应的临床诊断结果，可为学生在掌握皮肤性病的诊疗流程、疾病演变过程、病理图像与临床的关联等方面提供极大帮助。

1 图像识别技术概述

图像识别是指利用深度学习、机器学习、计算机视觉、人工神经网络、支持向量机等先进计算机技术对图像信息进行处理、分析和理解，最终对图像中的目标进行有效分类和精确识别[6]。图像中有些信息是人类容易忽略、难以识别的，而图像识别技术可以为此提供精确的识别结果，以降低人工观察所带来的误判[7]。图像识别技术的步骤大致可以划分为图像预处理、区域分割、区域特征描述、构建分类器、分类识别等5个部分，其中区域分割是为了精确提取图像中感兴趣的目标，以提高图像识别的精度。

深度学习是神经网络技术的进一步延伸，其通过组合低层特征形成更具泛化能力和表达能力的高层特征，大大提高图像识别的精度[7]。目前基于深度学习的图像识别技术已在医学图像分析中得到了大量的应用，如疾病检测、医学图像病变部位的识别以及医学图像建模和分析等，从而节省医疗资源，降低医疗成本[8]。

2 图像识别技术在皮肤性病诊断上的应用现状

近年来，研究者们对图像识别技术在皮肤性病科的应用进行了大量的研究，以帮助皮肤性病科医师进行辅助诊断，提高其诊断效率，并避免出现漏诊及误诊[9]。

Ge等[10]提出了一种新的深度卷积神经网络结构，以及一种显著性特征描述方法，所提出的多模态方法在3个任务上明显优于单模态方法，能有效区分15种美国皮肤病：癌症（3种癌症类型，包括黑素瘤）和良性色素痣，并能从良性病例中检测黑素瘤。Esteva等[11]利用包含2 032种皮肤疾病的129 450幅带标签的临床图像（其中3 374幅是皮肤镜图像）对深度卷积神经网络进行训练，训练后的神经网络可对皮肤疾病图像实现精确的识别。在两个皮肤病识别任务上验证其性能，21名专业皮肤科医生证实了其在皮肤临床图像上的识别性能均达到了皮肤科医生的专业水平。

在中国人工智能及大健康战略下，2017年成立了中国人群皮肤影像资源库项目（Chinese Skin Image Database，CSID），已完成超过400余种皮肤病30万余组多维度皮肤影像资料的收集和存储工作，该项目已建设成为我国皮肤影像技术研究、教育与应用的共性资源和技术平台[12]。2018年国内首个智能皮肤疾病识别诊断平台“智能皮肤”上线，提供了常见皮肤病临床图像及皮肤镜图像两种识别模式，为我国建立完善的皮肤疾病智能辅助诊断系统迈出了坚实的一步[9]。

3 图像识别技术在皮肤性病学科教学中的应用

皮肤性病学不仅教学涉及面广、教学课时有限，而且其病种皮损相似、症状重叠的特点使学生很难理解和掌握疾病的演变过程。图像识别技术可以根据不同规模、不同类型的皮肤性病图像进行建模，可识别和诊断错综复杂的皮肤性病类型，捕捉不同疾病图像间的细节变化和不同时期同一种疾病的临床图像演变。

图1 皮肤镜图像识别示意

以皮肤性病学课程中的皮肤肿瘤章节为例，良性的肿瘤包括色素痣、脂溢性角化病等，恶性肿瘤包括黑素瘤、基底细胞癌、皮肤鳞状细胞癌等。图像识别技术可以明确的标出皮肤镜图像病变位置，如图1所示。图1a是利用图像识别技术对黑素瘤进行病变位置检测，并根据色素不均一、形状不规则、中央有蓝白幕等特征，识别判断出是恶性黑素瘤疾病；图1b是利用图像识别技术对面部色素痣进行病变位置检测，并根据边界清楚、结构对称，可见假性网络结构，浅褐色背景上局部可见色素加深等特征，识别判断出是良性色素痣。

将图像识别技术应用于临床教学中，并对安徽医科大学2017级临床医学儿科专业33名硕士研究生为授课对象，讲授课程为《皮肤性病学》。采用问卷调查、学生反馈和期末考试成绩分析等为评价依据，与前几级学生的传统授课结果进行对比分析。结果发现基于图像识别技术的授课方式，增加了师生之间的互动，激发学生的求知欲和探索精神，有利于培养学生主动学习的积极性，提高皮肤性病学课堂教学水平。

此外授课教师利用基于图像识别技术的智能辅助诊断系统，可以解决学生临床学习时间不足的问题，学生可以充分利用业余时间学习皮肤性病完整的临床诊治过程，最大限度的提高学习效率。很多皮肤性病科疾病需要长期随访才能全面了解其发生、发展及转归的过程。学生或某个医生很难有精力收集相关疾病的全过程资料，授课教师可以利用其长期的临床经验，整合科室甚至其他医院科室所收集的资料，建立完善的教学资源库，为学生展示一些皮肤性病科疾病的长期演变过程。

4 图像识别技术在皮肤性病学科教学中的不足与展望

虽然图像识别技术在皮肤性病诊断方面前景广阔，但目前依然存在一些问题。目前皮肤性病的诊断往往依靠临床经验，导致没有规范的诊断标准，对于图像识别技术获取训练样本和识别准则的制定均具有极大挑战。此外皮肤性病往往涉及到患者敏感隐私部位，拍摄的图像数据往往涉及患者的隐私问题，使用患者图像需要得到许可，导致图像识别的训练集、数据集不够全面，且算法本身也存在泄露患者病史细节的可能，限制了图像识别技术在皮肤性病学科上的应用。

总之，随着科技进步和诸多问题的解决，图像识别技术在皮肤性病科教学中的应用可以增加师生之间的互动，激发学生的求知欲和探索精神，有利于培养学生主动学习的积极性，弥补了传统课堂教学的不足，最大限度的提高学习效率，且能够结合皮肤性病学的知识特点，提高皮肤性病学课堂教学水平。