人工智能赋能皮肤病诊断是一个具有挑战性的研究方向。近日，计算科学与人工智能学院的医疗图像分析暑期社会实践团队依托苏州市多模态数据融合与智慧康养重点实验室平台，探索运用人工智能技术自动识别白癜风病灶并预测病情进展，并构建了一套智能化的分析系统。
团队成员运用Yolo v11模型，成功实现白癜风病灶区域识别。团队运用卷积神经网络等技术，进行白癜风图片与正常图片的区分，在公开数据集上的准确率可达到85%。团队成员运用深度学习模型，实现了基于多模态数据对白癜风进展期与稳定期的区分，并针对该任务数据少、无关信息较多的难点探索数据增强的方法，取得了准确率75%和特异性78%的表现。
为使研发的算法能够投入实际应用，在指导老师的带领下，团队成员通力合作，构建了一个白癜风诊断和分期预测的系统。本系统允许用户自主选择模型及其权重，通过用户选择的照片，判断是否是白癜风，给出进展期或稳定期的预测结果。在使用体验方面，团队成员分析系统使用时可能会存在的问题，设计实现了图片的旋转，缩放和添加噪声功能。
在算法设计和系统开发的过程中，团队成员分工明确，相互合作，促成了系统和模型的开发。大家在交流中纷纷感慨，这段实践经历是一次巨大的能力跃升，从图像分析的角度学习了机器学习、深度学习等人工智能的专业基础知识，提升了文献阅读与分析、模型实现与调优、系统设计与开发的能力。未来团队还将围绕模型与系统，进一步开发更加准确和鲁棒的预测模型以及具有更好使用体验的白癜风图像分析系统。
图、文：李文昊、黄鹏程 审核：林洁茹
