基于深度学习的自动化慢性伤口医疗评估和跟踪框架
Brayan Monroy1, Karen Sanchez2, Paula Arguello1
1Department of Systems Engineering and Informatics, Universidad Industrial de Santander, Bucaramanga, 680002, Colombia.
Computers in biology and medicine
|August 26, 2023
概括
这项研究引入了一个深度学习框架,用于使用智能手机图像跟踪慢性伤口. 该系统准确分析伤口区域和周围,改善远程患者监测.
科学领域:
- 医疗成像医学成像
- 医疗保健中的人工智能
- 伤口护理技术 伤口护理技术
背景情况:
- 慢性伤口构成了全球健康挑战,糖尿病和汉森病等疾病加剧了这一问题.
- 目前用于追踪伤口的视觉检查方法受到农村地区可访问性问题的阻碍.
- 越来越需要可访问和高效的伤口监测解决方案.
研究的目的:
- 通过智能手机捕获的RGB图像来展示慢性伤口跟踪的深度学习框架.
- 将伤口检测,细分和定量分析 (面积,周边) 整合到一个连贯的系统中.
- 为了研究,引入一套来自麻风患者的慢性伤口的新型数据集.
主要方法:
- 开发一个深度学习框架来处理慢性伤口的RGB图像.
- 整合已建立的医疗图像处理算法用于伤口分析.
- 利用智能手机摄像头捕捉伤口图像,消除了对专门设备的需求.
主要成果:
- 拟议的框架证明了慢性伤口跟踪的有效性和准确性.
- 在实验评估中达到高达84.5%的精度.
- 成功整合了伤口检测,细分,面积和周边量化.
结论:
- 深度学习框架为慢性伤口监测提供了一个可行的,可访问的解决方案,特别是在服务不足的地区.
- 提供的数据集将有助于进一步研究慢性伤口分析和管理.
- 基于智能手机的成像与人工智能相结合,有望改善慢性伤口护理结果.
