Identifikation von Masernröteln mittels residueller tiefer neuronalen Netzwerke

Masern sind äußerst ansteckend und gehören zu den Hauptursachen für impfpräventible Erkrankungen und Todesfälle in Entwicklungsländern, wobei jährlich mehr als 100.000 Menschen sterben. In den Vereinigten Staaten wurde Masern 2000 als ausgerottet erklärt, dank Jahrzehnte dauernder erfolgreicher Masernimpfungen. Als Folge davon haben immer mehr medizinisches Personal und die Bevölkerung in den USA die Erkrankung nie selbst gesehen. Leider trat Masern in den USA 2019 erneut auf, wobei 1.282 bestätigte Fälle registriert wurden. Um die Diagnose von Masern zu unterstützen, sammelten wir mehr als 1.300 Bilder verschiedener Hauterkrankungen und nutzten ein residuelles tiefes Faltungsneuronales Netzwerk, um den Masernausschlag von anderen Hautveränderungen zu unterscheiden, mit dem Ziel, in Zukunft eine Smartphone-Anwendung zu entwickeln. Auf unserem Bilddatensatz erreicht unser Modell eine Klassifizierungsgenauigkeit von 95,2 %, eine Sensitivität von 81,7 % und eine Spezifität von 97,1 %, was darauf hindeutet, dass das Modell wirksam ist, um eine präzise Erkennung von Masern zu unterstützen und so Ausbrüche besser einzudämmen.