在各种深度学习网络中,VGG19在九个类别的伤口分类任务中显示出最高的准确率:试点研究
Jun Won Lee1, Hi-Jin You2, Ji-Hwan Cha3
1Department of Plastic and Reconstructive Surgery, Kangnam Sacred Heart Hospital, Hallym University College of Medicine, Seoul, Korea.
Wounds : a compendium of clinical research and practice
|February 28, 2024
概括
这项研究开发了一个人工智能系统来分类9种伤口类型,通过VGG19深度学习模型实现82.4%的准确性. 这种先进的伤口分类工具可以帮助医疗保健专业人员和潜在的患者在伤口管理.
科学领域:
- 医疗人工智能 医疗人工智能
- 计算机视觉在医疗保健中的应用
- 数字诊断数字诊断的使用
背景情况:
- 当前的深度学习模型在多类伤口分类中显示出有限的准确性.
- 越来越需要有效的伤口管理解决方案,以减少医疗保健专业人员的负担.
- 协助非专业人员在伤口诊断和管理方面至关重要.
研究的目的:
- 创建一个可靠和精确的9类伤口分类系统.
- 支持伤口护理专家,以及潜在的患者和全科医生,在伤口管理.
- 通过人工智能增强诊断能力.
主要方法:
- 在8173个培训和904个测试图像上训练和测试了六个深度学习网络 (VGG16,VGG19,EfficientNet-B0,EfficientNet-B5,RepVGG-A0,RepVGG-B0).
- 图像被分为九个不同的类别:手术伤口,伤,磨损,皮肤缺陷,受感染的伤口,亡,糖尿病足,慢性和伤口消失.
- 分析了每个网络的准确率.
主要成果:
- 总体准确度在74.0%至82.4%之间.
- VGG19网络的准确度最高,为82.4%.
- 性能与现有的伤口分类研究可比.
结论:
- VGG19模型显示出开发人工智能驱动的伤口诊断系统的巨大潜力.
- 这种人工智能系统可以改善专业人士和公众的伤口诊断和治疗.
- 进一步开发可能会导致更全面的AI工具用于伤口护理.
