深度学习的应用在伤口大小测量中使用指甲作为参考指甲
Dun-Hao Chang1,2,3, Duc-Khanh Nguyen1,4, Thi-Ngoc Nguyen1
1Department of Information Management, Yuan Ze University, Taoyuan, Taiwan.
BMC medical informatics and decision making
|December 19, 2024
概括
这项研究引入了一种使用深度学习和指甲作为参考的自动伤口测量系统,为慢性伤口护理提供了一种方便和可访问的解决方案. 该系统实现了高准确性和用户满意度,简化了家庭护理和临床文档.
科学领域:
- 医疗技术 医疗技术 医学技术
- 医疗保健中的人工智能
- 伤口护理管理管理
背景情况:
- 当前的伤口测量工具往往需要手动追踪和参考标记,这给患者和护理人员带来了挑战.
- 慢性伤口管理需要准确和可访问的尺寸测量,以获得有效的治疗和监测.
研究的目的:
- 开发和评估一个自动化的伤口大小测量系统,使用深度学习 (DL) 模型和指甲作为自然参考.
- 为了创建一个以人为中心的设计,简化伤口测量家庭护理设置和缺乏经验的用户.
主要方法:
- 结合了三种DL模型 (Mask R-CNN,Yolov5,U-net) 在慢性伤口和指甲图像上进行训练.
- 使用面膜R-CNN和Yolov5用于伤口裁剪和U-net进行面积计算,用指甲作为尺度.
- 评估了248张图像的系统准确性和30名参与者的用户体验.
主要成果:
- 在指甲宽度测量 (0.939 PCC) 和伤口检测 (97.76%) 中实现了高精度.
- 证明了将指甲宽度转换为伤口尺寸 (0.875 PCC) 的强烈相关性.
- 报告了90%的用户对方便性和整体评价的满意度,强调了护理人员的易用性.
结论:
- 开发的系统提供了快速,精确和用户友好的伤口大小测量.
- 为家庭护理,缺乏经验的护理人员和远程医疗应用程序提供方便和可访问性.
- 方便临床治疗,记录,以及在伤口护理中远程监测患者.
