使用深度学习方法估计伤口面积和皮肤撕裂的严重程度

科学领域:

• 医疗图像分析 医学图像分析
• 老年人的皮肤病学.
• 伤口护理技术的技术.

背景情况:

• 皮肤撕裂在老年人中很普遍,这在准确的伤口评估和护理规划方面构成了挑战.
• 确定确切的伤口区域和严重程度对于有效的治疗决策至关重要.

研究的目的:

• 开发和评估一种深度学习算法,用于自动估计皮肤撕裂伤口面积和严重程度.
• 提高皮肤撕裂评估的准确性和效率,用于临床决策.

主要方法:

• 利用深度学习模型,特别是U-Net用于伤口区域细分和VGG16用于严重程度分类.
• 在皮肤撕裂图像数据集上训练并验证了算法.

主要成果:

• 创伤面积为0.58,紫外线面积估计为0.65.
• 在对皮肤撕裂严重程度的分类中表现出62.2%的准确性.
• 深度学习方法在准确性方面超过了传统的机器学习方法.

结论:

• 提出的深度学习方法对自动化皮肤撕裂图像处理,处理复杂的伤口特征,如狭窄的边缘和片,显示出重大前景.
• 这项技术可以通过提供客观的伤口面积和严重程度估计,帮助医疗保健提供者,特别是那些不太经历皮肤撕裂的人.