使用智能机器视觉技术快速确定压力损伤阶段的新技术
Xuehua Liu1, Yingru Dou1, Lingxiang Guo1
1Department of Cardiovascular Diseases Center, Northern Jiangsu People's Hospital, Yangzhou 225002, China.
Geriatric nursing (New York, N.Y.)
|November 15, 2024
概括
智能机器视觉系统使用深度学习准确地确定压力损伤 (PI) 阶段. 这种AI工具在分类PI阶段I-V方面显示出高精度,有助于临床诊断.
科学领域:
- 医疗技术 医学技术
- 人工智能的人工智能是人工智能.
- 计算机视觉 计算机视觉 计算机视觉
背景情况:
- 压力损伤 (PI) 是一个重大的临床挑战.
- 准确和快速的PI分期对于有效的治疗至关重要.
- 目前用于PI评估的方法可能是主观的和耗时的.
研究的目的:
- 开发和评估一个智能机器视觉系统,用于快速压力损伤分期.
- 为了利用深度学习算法进行自动化PI分类.
- 评估各种你只看一次 (YOLO) 模型在PI检测中的性能.
主要方法:
- 收集了500张压力损伤部位图像的数据集.
- 图像是根据与PI阶段相关的颜色和纹理特征来选择的.
- 五个YOLO模型 (YOLO8n,YOLO8s,YOLO8m,YOLO8l,YOLO8x) 进行了训练和优化.
- 从细分图像中提取特征值,用于模型构建.
主要成果:
- 在压力损伤阶段的分类中,YOLO8l模型表现出卓越的性能.
- 对于YOLO8l的精度值为0.98 (PI-I),0.97 (PI-II),0.95 (PI-III),0.95 (PI-IV) 和0.94 (PI-V).这些值均为0.98 (PI-I),0.97 (PI-II),0.95 (PI-III),0.95 (PI-IV) 和0.94.
- 开发的系统在区分不同PI阶段方面表现出很高的准确性.
结论:
- 智能机器视觉系统对于快速压力损伤阶段化是有效的.
- 深度学习模型,特别是YOLO8l,显示了自动化PI诊断的前景.
- 这种AI方法可能适用于其他以颜色和纹理变化为特征的条件.
