皮肤科医生的CADFU:一种新的慢性伤口和的诊断系统与DHuNeT (双相高活性UNet) 和YOLOv8算法
Syed Muhammad Ahmed Hassan Shah1, Atif Rizwan2, Ghada Atteia3
1Department of Computer Science, COMSATS University Islamabad, Attock Campus, Attock 43600, Pakistan.
Healthcare (Basel, Switzerland)
|November 14, 2023
概括
一个新的AI系统,CADFU,使用DHuNeT和YOLOv8.8准确地检测和细分糖尿病足. 这种计算机辅助诊断工具增强了伤口监测,以更好地照顾患者.
科学领域:
- 医学图像分析 医学图像分析
- 医疗保健中的人工智能
- 计算病理学计算病理学
背景情况:
- 糖尿病足是一个重大的健康挑战,需要先进的诊断工具.
- 目前分析慢性伤口医学图像的方法可能是劳动密集型和主观的.
研究的目的:
- 引入CADFU (足部的计算机辅助诊断系统),这是一个用于检测和细分糖尿病足部的AI系统.
- 开发和评估新的深度学习架构,以改进伤口分析.
主要方法:
- 使用DHuNeT (双相高活性UNet),一种新的自编码架构,用于伤口细分.
- 在医疗图像中检测伤口的任务中使用YOLOv8.
- 开发了一种双UNet架构,具有超活跃的信息传输,用于增强功能学习.
主要成果:
- 获得了85%,92.6%的伤口细分精度.
- 在伤口检测方面获得了86%的平均平均精度 (mAP).
- 证明了DHuNeT架构在结合学习特征以获得卓越的准确性方面的有效性.
结论:
- 作为糖尿病足诊断的自动化系统,CADFU显示出显著的希望.
- DHuNeT架构代表了准确医疗图像细分的关键贡献.
- 该系统有可能改善临床环境中的患者监测和医疗保健效率.
