开发一种基于深度学习的模型,用于压力损伤表面评估

科学领域:

• 医疗人工智能 医疗人工智能
• 数字健康数字健康
• 伤口护理技术 伤口护理技术

背景情况:

• 压力伤害在医疗保健中构成了重大挑战,需要准确有效的评估方法.
• 目前用于压力损伤评估的方法可能是主观的和耗时的.

研究的目的:

• 开发和评估基于深度学习的压力损伤表面分析智能评估模型.
• 提高临床环境中伤口评估的精度和效率.

主要方法:

• 一项探索性分析研究利用神经网络模型训练了来自四家医院的1063张压力损伤图像.
• 评估指标包括平均交叉与联合 (MIoU),像素精度 (PA) 和细分的精度.
• 模型性能通过将自动估计与手动测量伤口数量,尺寸和面积进行比较来验证.

主要成果:

• 该模型在伤床细分方面实现了74%的IOU,88%的PA和83%的准确性.
• 观察到伤口数量 (科恩的卡帕:0.810) 和尺寸 (相关系数:长度为0.900,宽度为0.814) 的高度一致.
• 在区域范围 (0.930) 中发现了良好的相关性.

结论:

• 开发的深度学习模型展示了压力损伤的特殊自动估计能力.
• 这种基于人工智能的工具可以在伤口评估中为知情决策提供至关重要的帮助.
• 该模型支持精准护理,公平的资源使用,并促进临床决策和资源共享.