文献速递毛发、甲与色素性疾病

用于斑秃脱发面积测量的临床应用深度学习框架

Clinically Applicable Deep Learning Framework for Measurement of the Extent of Hair Loss in Patients With Alopecia Areata.
PubMed 文献 · JAMA Dermatol · 2020-01-01

本研究旨在开发一种深度学习框架,以确定用于测量斑秃患者脱发面积的严重程度工具(SALT)评分。原文仅报告了研究目标,未提供具体方法、样本或结果数据。

要点

  • 研究目标是开发深度学习框架自动计算斑秃SALT评分。
  • 原文未报告框架性能或临床验证结果。
  • SALT评分用于量化斑秃患者脱发面积。

研究设计与样本

  • 研究设计为开发深度学习框架,旨在确定斑秃患者的SALT评分。

以上解读依据论文摘要(全文未开放获取或许可不允许翻译转载)。

原文

This study aims to develop a deep learning framework to determine the Severity of Alopecia Tool (SALT) score for measurement of hair loss in patients with alopecia areata.

来源:JAMA Dermatol,查看原文。版权归原作者所有。

引用

  1. Lee S, Lee JW, Choe SJ, et al. Clinically Applicable Deep Learning Framework for Measurement of the Extent of Hair Loss in Patients With Alopecia Areata. JAMA Dermatol. 2020. PMID: 32785607. doi:10.1001/jamadermatol.2020.2188

供执业医师工作参考,不替代临床判断;数值与分级以指南原文为准。