为社区医疗保健提供者开发压力的阶段确定系统,使用视觉变压器深度学习模型
1Department of Computer Education, Andong National University, andong, Gyeongsangbuk-do, Republic of Korea.
Medicine
|February 17, 2025
概括
这项研究引入了一种新的AI工具,以帮助在卧床患者中早期检测压力 (PU). 视觉转换器模型实现了高精度,帮助护理人员及时推送医疗.
科学领域:
- 医疗技术 医疗技术 医学技术
- 人工智能的人工智能
- 计算机视觉 计算机视觉
背景情况:
- 压力 (PUs) 在卧床患者中构成了重大挑战.
- 现有的人工智能模型,通常使用卷积神经网络 (CNN),面临硬件限制,并依赖专家意见进行分期.
- 早期检测PUs对于有效的管理和患者的结果至关重要.
研究的目的:
- 开发和评估计算机视觉系统,用于早期压力的检测和分期.
- 利用视觉变压器模型从摄影图像中对压力的阶段进行分类.
- 创建一个克服硬件限制的工具,减少对主观医疗评估的依赖.
主要方法:
- 一项回顾性观察性研究分析了395张标记的各种压力的不同阶段图像.
- 一个新的压力集群视觉变压器 (PUC-ViT) 模型被开发和训练这些图像.
- 该模型使用包括ROC曲线,准确性和F1分数在内的指标进行了评估. 物联网 (IoT) 技术被整合为可访问性.
主要成果:
- PUC-ViT模型实现了0.936的平均ROC曲线值,准确率为97.76%,F1得分为95.46%.
- 与传统的CNN模型相比,拟议的模型显示出更高的准确性.
- 该系统有效地降低了计算复杂性,并实现了每秒低浮点运算,使其能够在低功耗设备上使用.
结论:
- PUC-ViT模型在分类压力的阶段方面显示出高准确性.
- 开发的系统利用人工智能和物联网,可以为社区护理人员提供早期PU检测能力.
- 促进早期检测和医疗转诊可以显著改善患者护理和压力的结果.
更多相关视频
04:48Application of Deep Learning-Based Medical Image Segmentation via Orbital Computed Tomography
Published on: November 30, 2022
2.6K
06:45Development of a Benchtop Model for Evaluating the Compatibility of Wound Dressing Materials with Negative Pressure Wound Therapy Systems
Published on: May 2, 2025
214
