审查机器学习用于光学成像的烧伤严重程度评估伤口的评估
Robert H Wilson1,2,3, Rebecca Rowland1, Gordon T Kennedy1
1University of California, Irvine, Beckman Laser Institute and Medical Clinic, Irvine, California, United States.
Journal of biomedical optics
|February 16, 2024
概括
机器学习 (ML) 算法越来越多地用于生物医学应用. 本综述分析了使用成像数据对烧伤严重程度进行分类的ML技术,显示了客观评估的前景.
科学领域:
- 生物医学工程 生物医学工程
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 机器学习 (ML) 算法在生物医学应用中变得越来越普遍,包括疾病诊断和伤害分类.
- 烧伤严重程度的分类对于有效的治疗和患者的治疗结果至关重要.
研究的目的:
- 描述ML技术的发展,利用成像数据进行烧伤伤害严重程度的分类.
- 报告各种ML方法在分类烧伤伤中的准确性.
主要方法:
- 对临床前和临床研究进行了全面的文献审查.
- 分析了使用ML技术进行烧伤伤重度分类的研究.
- 研究了输入数据模式,包括数字照片和先进的光学成像.
主要成果:
- 大多数研究都使用了数字彩色照片,但先进的光学成像模式越来越普遍.
- 与临床判断相比,ML分类准确率高达90%.
- 在基于ML的烧伤评估中,多模式技术也在出现.
结论:
- ML算法显示出对客观地分类烧伤严重性的重大承诺.
- 需要对输入数据,训练集和分类器进行进一步的系统分析,以优化准确性.
- ML提供了一种有价值的工具来帮助临床医生评估烧伤伤口.
