照片伤口评估工具在慢性伤口图像中的自动预测
Nico Curti1,2, Yuri Merli3,4, Corrado Zengarini5
1Department of Physics and Astronomy, University of Bologna, 40127, Bologna, Italy.
Journal of medical systems
|January 16, 2024
概括
这项研究引入了一种使用深度学习的自动图像分析系统,以评估伤口愈合. 人工智能准确地预测伤口愈合得分,减少主观性并帮助临床实践.
科学领域:
- 医疗图像分析 医学图像分析
- 医疗保健中的人工智能
- 伤口愈合研究研究研究.
背景情况:
- 自动伤口评估旨在减少人类的主观性,加快临床工作流程.
- 现有的方法往往缺乏全面的特征提取,以准确预测伤口愈合.
研究的目的:
- 开发一个完全自动化的图像处理管道,用于伤口检测和愈合评估.
- 用深度学习和提取的特征来预测摄影伤口评估工具 (PWAT) 的得分.
- 提供伤口愈合的定量估计,模仿临床判断.
主要方法:
- 使用深度学习模型,在大型伤口细分数据集上进行训练.
- 开发了一种图像处理管道,从智能手机获得的伤口图像中提取纹理和形态特征.
- 使用预训练的神经网络来检测感兴趣的区域和特征提取.
主要成果:
- 自动化系统准确地预测了PWAT尺度值,在未见的图像上,Spearman的相关系数为0.85.
- 从检测到的伤口区域提取的特征与临床评估得分有很强的相关性.
- 该管道成功模仿了伤口评估的临床考虑.
结论:
- 开发的AI管道为评估伤口愈合提供了一种可靠和自动化的方法.
- 这种方法可以通过提供客观和定量伤口评估来显著帮助临床医生.
- 这项研究为未来在伤口护理和研究中的AI应用设定了基准.
