Page 21 - 鼻整形技术研究

第一章 整形外科发展

够成功地对乳腺肿物进行正确诊断。整形美容外科的研究中，往往涉及到收集大量的
人体形态结构，而这些大量的非结构化的、可视化的生物信息数据则正好是深度学习
所需要的训练集。因此，整形美容外科与深度学习的碰撞可以产生美妙的火花。整形
外科医生通常会收集患者术前和术后的照片资料，从而产生了大量的整形外科相关生

物学信息数据来源。当使用一个包含 18000 张鼻整形术前术后照片的公开数据库进行
卷积神经网络的模型训练时后，训练好的卷积神经网络模型可以以 85% 的准确率对
测试对象的鼻型态作出判断，其是否存在鼻部畸形以及是否进行过鼻整形手术，其判
断的准确性相当于耳鼻喉科和整形外科的主治医师和住院医师水平。另一项由 Philips

等人开发的基于深度学习的应用程序可用于对皮肤黑色素瘤的筛查和鉴别诊断。该软
件利用安装在智能手机上的皮肤镜镜片扩展装置获取可疑病灶区域的皮肤镜图像，然
后输入经过训练的卷积神经网络后，评估图像中是否可初步诊断为皮肤黑色素瘤，值
得强调的是它的敏感度和精确度与一名临床医生相当。该研究凸显了深度学习应用在

体表肿瘤二级预防中起到的积极作用，并且有作为临床医生诊断和决策决定的辅助工
具的潜力。
3. 自然语言处理
自然语言处理（Natural Language Processing,NLP）是神经网络的经典应用领域之

一，所谓自然语言处理，就是让机器理解人类的语言。是人工智能的一个重要方向，
目前生活中已经有很多基于 NLP 的技术应用了，比如各种智能手机的智能语音助手，
可以从语音中提取关键信息，然后自动化地执行某些操作，再或者自动翻译软件，
可以自动翻译不同类型的语言以及文字处理程序中对于文字拼写和语法的检查和纠

错等，这些应用的核心都涉及 NLP 相关技术。美国梅奥医疗中心的研究人员开发了
基于 NLP 的应用程序，该程序可以从电子健康文书中提取患者的有效关键的健康数
据。而 NLP 在整形外科领域的应用，主要来源于分析与整形外科相关的公众文章和
Twitter 等社交媒体网络平台上大量信息数据的兴趣趋势。

因为整形美容外科独特的性质，使它可以更好地与市场相结合。整形外科医生越
来越多地使用社交媒体平台来宣传他们的手术技巧和治疗项目，并同时对患者进行宣
教。为了衡量广大患者对于整形手术的看法，Mustafa 等人开发了一个基于 NLP 框架
的应用软件，名叫“Hedonometrics”，通过该软件对 2012 年至 2016 年间发生的关

于整形外科的科普文章或新闻进行分析。在分析了 103714 条相关推文后，他们发现
“Plastic”一词最受欢迎但积极性得分最低，而其他词语例如“Aesthetic”“Cosmetic
”“Reconstructive”等更为专业的医学术语则不太受欢迎，但相应的推文往往能收获
较为积极的评价。在我国，许多整形外科医生在微博等社交媒体平台上创建了个人账

号，利用其信息化的广度，在平台中通过分享相关整形项目的诊疗方法或自身的执业

• 11 •