用基于memristor的细胞神经网络进行慢性伤口方法的临床验证分类

科学领域:

• 生物医学工程 生物医学工程
• 医疗技术 医疗技术 医学技术
• 计算医学是一种计算医学.

背景情况:

• 慢性伤害影响全球约4%的人口,需要先进的监测解决方案.
• 随着COVID-19的流行,人们需要远程和可靠的患者监测技术.
• 目前的伤口评估方法可能是主观的,耗时的.

研究的目的:

• 介绍和评估一个新的设备,伤口查看器 (WV),用于慢性伤口评估.
• 为了证明WV在自动识别,分类和测量慢性伤口方面的能力.
• 根据已建立的临床尺度来验证WV的性能.

主要方法:

• 开发一个使用基于memristor的离散时间细胞神经网络 (DT-CNN) 的伤口观察器 (WV) 设备.
• 未来的观察性临床试验涉及150名患有慢性伤口的患者.
• 实施伤床制备 (WBP) 尺度用于伤口分类 (颗粒状组织,,缩).

主要成果:

• 在自动评估慢性伤口方面,WV设备表现出高可靠性.
• 在临床试验中,使用WBP尺度的分类准确度达到90%以上.
• 该技术为护理人员提供了必要的临床信息,改善了伤口管理.

结论:

• 集成到伤口查看器中的基于memristor的DT-CNN技术为慢性伤口评估提供了可靠和准确的解决方案.
• WV设备有可能显著提高慢性伤口的监测和管理.
• 这项技术支持客观和高效的伤口评估,这对患者护理至关重要.