1.2 皮肤镜图像计算机辅助诊断

皮肤镜技术不仅可以用于皮肤癌的早期诊断，同时也是其他各类皮肤疾病的一种常用检查手段。在各种皮肤肿瘤中，黑色素细胞肿瘤（以下简称黑色素瘤）由良性和恶性组成。因此，恶性黑色素瘤是研究者关注最多的一种皮肤恶性肿瘤，目前国内外有关皮肤镜图像计算机辅助诊断的研究也基本集中在恶性黑色素瘤上。

从1987年开始，许多皮肤恶性黑色素瘤的临床诊断方法相继被提出，如模式分析法、Menzies法、7点检测法、ABCD准则（Asymmetry、Borders、Colors和Different Structural Components）、CASH法等，然而诊断的难度和主观性仍然很大，即使训练有素的专家，他们的诊断也存在较大差异。皮肤镜图像计算机辅助诊断系统正是解决这个问题的有效手段，它可以对病变组织自动提取、智能识别，具有定量测量和定量分析的功能，使诊断更加精确、客观、一致。皮肤镜图像辅助诊断系统在定量分析结束后会自动生成并打印分析诊断结果，以便于医生及时做出诊断，为医生及时正确地发现和诊断病灶提供了极大的便利，从而大幅提高了皮损的早期诊断率。皮肤镜图像计算机辅助诊断系统如图1-4所示。医生用皮肤镜采集患者皮肤肿瘤图像进入计算机系统，即可采用专门的图像处理技术来分析肿瘤的性质。

图1-4 皮肤镜图像计算机辅助诊断系统

早期的皮肤镜图像计算机辅助诊断系统是基于单机的。1987年，Cascinelli等人第一次把皮肤镜技术应用于皮肤恶性黑色素瘤的临床诊断中。1993年，Thomas等根据临床恶性黑色素瘤早期诊断ABCD准则，提出了基于颜色和纹理的黑色素瘤分类的具体方法，并且在一台DEC 5000/200工作站上用FORTRAN语言进行编程实现了这一方法，该方法与组织病理学的诊断结果相结合，诊断准确率由75%提高到92%左右。1994年，Sober将计算机数字图像分析和电子皮肤镜两种方法结合起来，并在世界卫生组织黑色素瘤研究中心的有经验的专家指导下应用于临床，使恶性黑色素瘤的早期诊断准确率提高到90%。随着IT业的发展，皮肤镜技术开始向网络平台发展。2005年，日本法政大学的H.Iyatomi等人建立了第一个基于互联网的皮肤病远程诊断系统，如图1-5所示，并尝试使用手持相机代替皮肤镜采集图像，使得普通的皮肤病采集和诊断工作可以在任何时间由病人在家中自主完成。2010年，美国McGraw.Hill公司率先在苹果手机应用市场中推出“皮肤镜自测指引详解”应用，其实质是将皮肤病诊断相关知识的电子出版物与网络医疗资源信息相结合。2011年，德国FotoFinder公司在德国杜塞尔多夫国际医疗设备展览会上展示了皮肤癌早期检测的发展方向，并推出世界上首台移动互联网皮肤镜Handyscope，这也是第一台基于iPhone平台的皮肤癌检查移动设备，如图1-6所示。2011年5月，Handyscope在欧洲和美国上市后，又在首尔召开的世界皮肤科大会上被推向亚洲市场。Handyscope可提供皮肤的放大、偏振视图，重要细节一目了然，医生可远程检查皮肤，在屏幕上对皮肤肿瘤进行评估。与传统的手持皮肤镜检查不同，Handyscope设备与iPhone连接，可直接放在患者皮肤上采集肿瘤的高分辨率图像，在受到密码保护的App中进行处理，并能够展示给患者。2017年，美国斯坦福大学人工智能实验室采用深度学习方法对皮损进行分类，在3分类和9分类任务上分别取得了72.1%和55.4%的分类精度，该结果超过了专业医生的平均诊断水平。

图1-5 H.Iyatomi等人建立的皮肤病远程诊断系统

图1-6 Handyscope移动皮肤镜架构说明

图1-6 Handyscope移动皮肤镜架构说明（续）

由于白色人种与黄色人种的肤色相差很大，两者的皮肤镜图像也存在很大差异，所以针对白色人种皮肤肿瘤图像的各种参数诊断标准值，无法直接应用于黄色人种的皮损测量，存在很大偏差性，从而影响了黄色人种皮肤肿瘤的早期诊断准确率，严重者会延误诊疗。虽然黄色人种皮肤恶性肿瘤的发病率低于白色人种，但近年的发病率也同样呈逐年上升趋势，因此有必要研究专门针对黄色人种的皮肤镜图像分析技术。2007年，北京航空航天大学图像处理中心联合解放军空军总医院在国内率先开展了黄色人种皮肤镜图像自动分析诊断技术的研究。2017年，北京航空航天大学与北京协和医院皮肤科一起，针对黄色人种皮肤镜图像数据搭建了基于深度学习的自动分类框架，对6类皮肤疾病进行分类，获得了65.8%的分类准确率。