Esta página ha sido traducida por una máquina. Otras páginas pueden seguir apareciendo en inglés. View in English

Análisis de imágenes termográficas del pie de pacientes diabéticos utilizando inteligencia artificial: una revisión de alcance

  • 0Division of Health Sciences, Graduate School of Medical Sciences, Kanazawa University, Ishikawa, Japan.

|

|

Resumen

Este resumen es generado por máquina.

La inteligencia artificial (IA) mejora la detección de la condición del pie diabético mediante imágenes térmicas. Se necesita más investigación en entornos del mundo real para mejorar la precisión y la generalización de la IA para el cuidado del pie diabético.

Área De La Ciencia

  • Imágenes médicas
  • Inteligencia artificial
  • Diabetología

Sus Antecedentes

  • Las complicaciones del pie diabético presentan riesgos significativos para la salud.
  • Las imágenes térmicas ofrecen un método no invasivo para la detección temprana.
  • Las aplicaciones actuales de IA en la termografía del pie diabético están fragmentadas.

Objetivo Del Estudio

  • Revisar exhaustivamente la termografía del pie diabético basada en IA.
  • Centrarse en la detección de la condición, el rendimiento y las implicaciones clínicas.
  • Identificar las lagunas de investigación para el desarrollo futuro.

Principales Métodos

  • Revisión del alcance de seis bases de datos académicas principales.
  • Palabras clave: temperatura del pie diabético, imágenes térmicas, inteligencia artificial.
  • Incluidas las investigaciones originales y las actas de las conferencias (n=60).

Principales Resultados

  • La IA detecta principalmente el aumento / disminución de la temperatura del pie y la gravedad de la DFU.
  • El rendimiento informado de la IA varió ampliamente (61% 100%).
  • Los estudios se realizaron predominantemente en entornos controlados (46,67%).

Conclusiones

  • La IA mejora la precisión de la detección del pie diabético y apoya las decisiones clínicas.
  • Necesidad de más investigación en entornos incontrolados del mundo real.
  • La mejora de la generalización es crucial para la adopción clínica generalizada.