nach oben

Erschienen in:

29.03.2019 | Melanom | Fortbildung

Deep Learning

Melanomdiagnose mithilfe künstlicher Intelligenz

verfasst von: Dr. med. Julia K. Winkler, Dr. med. Christine Fink, Dr. med. Ferdinand Toberer, Prof. Dr. med. Alexander Enk, Prof. Dr. med. Holger A. Hänßle

Erschienen in: hautnah dermatologie | Ausgabe 2/2019

Einloggen, um Zugang zu erhalten

Zusammenfassung

Für den praktizierenden Dermatologen ebenso wie für seine Patienten ist die Früherkennung des malignen Melanoms von zentraler Bedeutung. Der Patient setzt dabei großes Vertrauen in den diagnostischen Blick des Hautarztes. Ein erstes, zur klinischen Anwendung zugelassenenes Deep-Learning-Netzwerk kann dabei wertvolle Unterstützung leisten.

Garbe C et al. Diagnosis and treatment of melanoma. European consensus-based interdisciplinary guideline.Update. 2016; Eur J Cancer. 2016; 63: 201–17PubMed

Balch CM et al. Final version of the American Joint Committee on Cancer staging system for cutaneous melanoma. J Clin Oncol. 2001; 19: 3635–48CrossRef

Yamashita R et al. Convolutional neural networks: an overview and application in radiology. Insights Imaging. 2018; 9: 611–29CrossRef

Du XL et al. Application of artificial intelligence in ophthalmology. Int J Ophthalmol. 2018; 11: 1555–61PubMedPubMedCentral

Sun J et al. Comparison of deep learning architectures for H&E histopathology images. IEEE Conference on Big Data and Analytics (ICBDA). 2017; http://doi.org/czz5

Tschandl P et al. Diagnostic accuracy of content]based dermatoscopic image retrieval with deep classification features. Br J Dermatol. 2018; http://doi.org/czz3

Grob J et al. The ‘ugly duckling’ sign: identification of the common characteristics of nevi in an individual as a basis for -melanoma screening. Arch Dermatol. 1998; 134: 103–4CrossRef

Friedman RJ et al. Early detection of malignant melanoma: the role of physician examination and self-examination of the skin. CA Cancer J Clin. 1985; 35: 130–51CrossRef

Abbasi et al. Early diagnosis of cutaneous melanoma: revisiting the ABCD criteria. JAMA. 2004; 292: 2771–6CrossRef

10.

Blum et al. The status of dermoscopy in Germany.results of the cross]sectional Pan]Euro]Dermoscopy Study. J Dtsch Dermatol Ges. 2018; 16: 174–81PubMed

11.

Bafounta et al. Is dermoscopy (epiluminescence microscopy) useful for the diagnosis of melanoma?: Results of a meta-analysis using techniques adapted to the evaluation of diagnostic tests. Arch Dermatol. 2001; 137: 1343–50CrossRef

12.

Vestergaard et al. Dermoscopy compared with naked eye examination for the diagnosis of primary melanoma: a meta]analysis of studies performed in a clinical setting. Br J Dermatol. 2008; 159: 669–76PubMed

13.

Pehamberger H et al. In vivo epiluminescence microscopy of pigmented skin lesions. I. Pattern analysis of pigmented skin lesions. J Am Acad Dermatol. 1987. 17: 571–83CrossRef

14.

Stolz W. ABCD rule of dermatoscopy: a new practical method for early recognition of malignant melanoma. Eur J Dermatol. 1994; 4: 521–7

15.

Menzies SW et al. Dermoscopic evaluation of nodular melanoma. JAMA. 2013; 149: 699–709

16.

Argenziano G. et al. Epiluminescence microscopy for the diagnosis of doubtful melanocytic skin lesions. Comparison of the ABCD rule of dermatoscopy and a new 7-point checklist based on pattern analysis. Arch Dermatol. 1998; 134: 1563–70CrossRef

17.

Menzies SW et al. Frequency and morphologic characteristics of invasive melanomas lacking specific surface microscopic features. Arch Dermatol. 1996; 132: 1178–82CrossRef

18.

Argenziano G et al. Seven-point checklist of dermoscopy revisited. Br J Dermatol. 2011; 164: 785–90CrossRef

19.

Fink C et al. Strategien zur nichtinvasiven Diagnostik des Melanoms/ Strategies for the noninvasive diagnosis of melanoma. Der Hautarzt. 2016; 67: 519–28CrossRef

20.

Okur E et al. A survey on automated melanoma detection. Eng Appl Artif Intell. 2018; 73: 50–67CrossRef

21.

Dick V et al. Bildbasierte Computerdiagnose des Melanoms. Der Hautarzt. 2018; 69: 591–601CrossRef

22.

Nasr-Esfahani E et al. Melanoma detection by analysis of clinical images using convolutional neural network. 38th Annual International Conference of the IEEE Engineering in Medicine and Biology Society (EMBC). 2016; http://doi.org/gcgk97

23.

Codella NCF et al. Skin lesion analysis toward melanoma detection: A challenge at the 2017 international symposium on biomedical imaging (ISBI), hosted by the international skin imaging collaboration (ISIC). IEEE 15th International Symposium on Biomedical Imaging (ISBI 2018). 2018; http://doi.org/czz6

24.

Tschandl P et al. The HAM10000 Dataset: A Large Collection of Multi-Source Dermatoscopic Images of Common Pigmented Skin Lesions. Sci Data. 2018; 5: 180161CrossRef

25.

Brinker TJ et al. Skin Cancer Classification Using Convolutional Neural Networks: Systematic Review. J Med Internet Res. 2018; 20: e11936CrossRef

26.

Esteva A et al. Dermatologist-level classification of skin cancer with deep neural networks. Nature. 2017; 542: 115–8CrossRef

27.

Haenssle HA et al. Man against machine: diagnostic performance of a deep learning convolutional neural network for dermoscopic melanoma recognition in comparison to 58 dermatologists. Ann Oncol. 2018; 29: 1836–42CrossRef

28.

The International Skin Imaging Collaboration (ISIC): Melanoma Project. https://www.isic-archive.com (zuletzt aufgerufen am 25.01.2019)

Titel: Deep Learning
Melanomdiagnose mithilfe künstlicher Intelligenz
verfasst von: Dr. med. Julia K. Winkler
Dr. med. Christine Fink
Dr. med. Ferdinand Toberer
Prof. Dr. med. Alexander Enk
Prof. Dr. med. Holger A. Hänßle
Publikationsdatum: 29.03.2019
Verlag: Springer Medizin
Schlagwörter: Melanom
Nävi
Melanom
Künstliche Intelligenz
Erschienen in: hautnah dermatologie / Ausgabe 2/2019
Print ISSN: 0938-0221
Elektronische ISSN: 2196-6451
DOI: https://doi.org/10.1007/s15012-019-3040-6

Leitlinien kompakt für die Dermatologie

Mit medbee Pocketcards sicher entscheiden.

^{Seit 2022 gehört die medbee GmbH zum Springer Medizin Verlag}

Kostenlos registrieren

Neu im Fachgebiet Dermatologie

16.04.2024 | Infektiologie | Nachrichten

Update Dermatologie

Bestellen Sie unseren Fach-Newsletter und bleiben Sie gut informiert.

Newsletter bestellen

Live-Webinar: Aktuelle Leitlinien bei Herz-Kreislauf-Erkrankungen

Springer Medizin

Melanomdiagnose mithilfe künstlicher Intelligenz

Zusammenfassung

Leitlinien kompakt für die Dermatologie

Neu im Fachgebiet Dermatologie

Kein Abstrich bei chronischen Wunden ohne Entzündungszeichen!

Vitiligo: Prävalenz steigt und viele Erkrankte werden spät behandelt

Dupilumab ist mit kutanen T-Zell-Lymphomen assoziiert

Chemotherapie mit Hindernissen

Update Dermatologie

Live-Webinar: Aktuelle Leitlinien bei Herz-Kreislauf-Erkrankungen

Springer Medizin

Zusammenfassung

Bitte loggen Sie sich ein, um Zugang zu diesem Inhalt zu erhalten

Weitere Artikel der Ausgabe 2/2019

Minimalinvasive Pflasterabrisstechnik

Haut und Knochen

Die langjährige Oberärztin

Lebensbedrohliches Mitbringsel von der Freigängerkatze

Extrakorporale Stoßwellentherapie

Kontaktallergie durch Propolis

Leitlinien kompakt für die Dermatologie

Neu im Fachgebiet Dermatologie

Kein Abstrich bei chronischen Wunden ohne Entzündungszeichen!

Vitiligo: Prävalenz steigt und viele Erkrankte werden spät behandelt

Dupilumab ist mit kutanen T-Zell-Lymphomen assoziiert

Chemotherapie mit Hindernissen

Update Dermatologie