使用条件生成对抗网络 (AFSegGAN) 进行自动脚细分:一个伤口管理系统
Jishnu P1, Shreyamsha Kumar B K1, Srinivasan Jayaraman2
1TCS Research, Digital Medicine and Medical Technology- B&T Group, TATA Consultancy Services, Bangalore, Karnataka, India.
PLOS digital health
|November 6, 2023
概括
本研究介绍了AFSegGAN,这是一种用于自动伤口细分和参数估计的AI系统. 它通过提供准确的数字指标来改善慢性伤口管理,减少医疗保健专业人员的工作量.
科学领域:
- 医疗技术 医疗技术 医学技术
- 人工智能的人工智能
- 图像分析 图像分析
背景情况:
- 慢性伤害对健康和经济造成重大负担,特别是在老龄化和糖尿病患者中.
- 准确的定量伤口评估对于有效的临床管理至关重要,但传统方法是主观的,容易出错.
- 数字化和深度学习为客观伤口分析提供了有希望的替代方案.
研究的目的:
- 开发一个自动化的伤口管理系统,用于准确的伤口细分和形态参数估计.
- 利用深度学习,特别是条件生成对抗网络 (cGAN),以改进伤口图像分析.
- 通过先进技术提高慢性伤口护理的精度和效率.
主要方法:
- 开发AFSegGAN,这是一个新的条件生成对抗网络 (cGAN) 模型.
- 在MICCAI 2021足细分数据集上对模型的验证.
- 实施对抗性损失和补丁级别比较,以优化GAN训练和细分性能.
主要成果:
- 与最先进的方法相比,AFSegGAN实现了更高的性能.
- 该模型在伤口细分方面显示了高达93.11%的子得分和99.07%的IOU.
- 该系统有效地估计了伤口形态参数,表明了高准确度.
结论:
- 拟议的伤口管理系统自动化了伤口评估的关键方面,减少了医疗保健工作人员的负担.
- AFSegGAN为客观伤口细分和参数估计提供了可靠的工具,促进了更好的临床决策.
- 这项技术支持远程医疗保健计划,并提高了慢性伤口护理的整体标准.
