使用深度学习进行横脚热图分析,用于糖尿病足风险分类

科学领域:

• 医疗成像医学成像
• 人工智能在医学中的应用
• 糖尿病学 糖尿病学

背景情况:

• 糖尿病足是糖尿病的一个重要并发症,导致严重的发病率.
• 早期识别有风险的患者对于预防和截肢至关重要.
• 热谱提供了一种非侵入性的方法来评估足部温度变化,这表明了潜在的病理.

研究的目的:

• 调查结合热谱与深度学习的疗效,以对易患足的糖尿病患者进行风险分层.
• 开发和验证一个深度学习模型,用于分析足部热谱,以识别有风险的个体.

主要方法:

• 从正在接受查的成人糖尿病患者中收集临床信息和脚部热谱的前性数据收集.
• 使用深度学习算法的153个热图的分析,在平衡的数据集上训练了一个神经网络 (80%的训练,20%的验证).
• 在单独的测试数据集 (55张图像) 上验证训练模型,重点是最大限度地提高检测有风险脚的灵敏度.

主要成果:

• 该研究包括153名患者,平均年龄为63.1岁;52.3%是女性.
• 使用五倍交叉验证的深度学习模型,实现了总体准确率71.8%,灵敏度81.2%,特异性64.0%.
• 马修斯相关系数为0.46,表明预测和实际风险类别之间的适度一致.

结论:

• 热力学与深度学习相结合,显示出它作为糖尿病足风险分层的查工具的潜力.
• 开发的模型在识别需要更密切监测和干预以防止发育的患者方面显示出有希望.
• 需要进一步开发和验证,以优化这种方法用于临床实践.