一种图像分类方法可以预先确定皮肤片中手术后缩的发展程度

科学领域:

• 生物医学工程 生物医学工程
• 伤口治愈研究研究 伤口治愈研究
• 计算生物学 计算生物学

背景情况:

• 在愈合的伤口中,难以预测死的程度.
• 早期确定对于治疗决策和预防并发症至关重要.

研究的目的:

• 开发一种预测算法,用于评估缺血性皮肤膜缩.
• 使用图像分析,区分正常愈合和潜在的不可逆转亡.

主要方法:

• 使用全厚随机鼠皮拍摄的手术后照片.
• 从图像中提取和选择特征进行分类.
• 实现了K-最近邻居 (KNN),随机森林和支持向量机 (SVM) 分类器.

主要成果:

• 通过使用一天的手术后图像,KNN分类器在预测超过40%的缩时达到91%的准确性.
• 随机森林和SVM分别实现了82%和79.5%的准确性,使用了10天的手术后图像.
• 算法成功地区分了正常和缓慢愈合模式的片.

结论:

• 一个计算分类器可以准确地预测缺血性皮肤片中严重的死亡组织的发展.
• 早期以图像为基础的评估有助于临床管理和对死亡减少策略的研究.
• 这种预测工具对危及生命的亡相关疾病有潜在的应用.