摘要
背景：过敏性接触性皮炎是一种常见的炎症性皮肤病，斑贴试验仍是其诊断的金标准；不过，斑贴试验的结果解读耗时较长，且不同评估者之间的结果可能存在差异。随着数字成像技术和人工智能领域的不断发展，人们开始探索自动化斑贴试验评估系统。本文旨在总结深度学习网络及图像预处理技术在斑贴试验分类中的应用。方法：通过文献回顾，筛选出2020年至2025年间发表的、运用深度学习算法进行斑贴试验图像分析的原创研究。这些研究从模型架构、数据集特征、预处理方法以及诊断性能等方面进行了评估。结果：共有六项符合纳入标准的关于利用深度学习进行斑贴试验图像分类的原创研究。这些研究采用了多种不同的模型架构，包括YOLOv5x、EfficientNetB0、Xception以及定制的卷积神经网络模型。各项研究的诊断性能有所不同，准确率在90%到99.5%之间，F1值在0.37到0.98之间，AUC值最高可达0.94。尽管取得了不错的成果，但这些模型在ICDRG分级方面仍不够可靠，尤其是在处理严重反应时。此外，由于数据集构成、成像条件、预处理流程以及分类任务等方面的差异，不同研究之间的结果难以相互比较。结论：深度学习在自动化斑贴试验结果解读方面具有潜力，但若要将其应用于临床，还需要进一步开展标准化、多中心的研究，并制定详细的预处理方案以及完善的ICDRG分级标准。
