使用3D扫描和深度学习进行损伤细分,用于评估面部葡萄酒染色斑纹的出生痕迹
Cheng Ke1, Yuanbo Huang2, Jun Yang2
1MOE Key Laboratory of Medical Optoelectronics Science and Technology, School of Optoelectronics and Information Engineering, Fujian Normal University, Fuzhou 350100, PR China.
Photodiagnosis and photodynamic therapy
|February 29, 2024
概括
这项研究引入了一种新的3D扫描和深度学习方法,用于精确地测量波特葡萄酒污点 (PWS) 的出生面积. 该方法准确量化PWS病变,有助于分类和治疗评估.
科学领域:
- 皮肤病学和医学成像学
- 医疗保健中的人工智能
- 生物医学工程 生物医学工程
背景情况:
- 葡萄酒污点 (PWS) 的出生是先天性血管形,需要准确的评估.
- 量化PWS面积对于病变分类和监测治疗疗效至关重要.
研究的目的:
- 评估将3D扫描与深度学习相结合的有效性,用于自动化PWS区域量化.
- 开发一种先进的深度学习模型,用于精确的PWS病变提取和测量.
主要方法:
- 使用手持式3D扫描仪数据和纹理映射开发了PWS补丁的3D模型.
- 利用一个改进的DeepLabV3+网络与CBAM和DENSE进行PWS病变的语义细分.
- 使用Ranger优化器训练网络,并比较各种骨干网络的性能.
主要成果:
- IDeepLabV3+ (Xception) 模型在PWS病变提取和面积量化方面取得了卓越的性能.
- 关键性能指标包括MIou为0.9797,MPA为0.9908,准确度为0.9989,回忆力为0.9886,F1得分为0.9897.
- 开发的方案表明,PWS面积量化时的平均面积错误率为2.61±2.33%,较低.
结论:
- 新的3D扫描和深度学习方法提供了PWS病变区域的准确量化.
- 这种方法显示了将PWS管理纳入临床实践的巨大潜力.
