相关实验视频
Updated: Jul 11, 2026

12:00
A Simplified Technique for Producing an Ischemic Wound Model
Published on: May 2, 2012
17.2K
一种基于特征可解释性的深度学习技术,用于糖尿病足的识别.
Pramod Singh Rathore1, Abhishek Kumar2, Amita Nandal3
1Department of Computer and Communication Engineering, Manipal University Jaipur, Jaipur, India.
Scientific reports
|February 25, 2025
概括
本研究介绍了DFU_XAI框架,使用人工智能准确检测糖尿病足 (DFU). 罗神经网络模型实现了高精度,为DFU管理提供了透明和高效的解决方案.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 糖尿病学 糖尿病学
背景情况:
- 糖尿病足 (DFU) 是严重的糖尿病并发症,有感染和截肢的风险.
- 目前的检测方法是劳动密集型和昂贵的.
- 人工智能,特别是深度学习,为改善DFU诊断和治疗提供了潜力.
研究的目的:
- 在DFU检测中引入DFU_XAI框架用于可解释的深度学习.
- 评估和比较6个深度学习模型的性能,用于DFU标签和本地化.
- 提高AI在DFU管理中的临床相关性和可信度.
主要方法:
- DFU_XAI框架是为了评估深度学习模型而开发的.
- 评估了六个模型 (Xception,DenseNet121,ResNet50,InceptionV3,MobileNetV2,SNN) 的使用情况.
- 采用了可解释性技术 (SHAP,LIME,Grad-CAM) 的使用.
主要成果:
- 罗神经网络 (SNN) 模型以98.76%的准确性表现出卓越的性能.
- 高精度 (99.3%),回忆 (97.7%),F1得分 (98.5%) 和AUC (98.6%) 是通过SNN模型实现的.
- 格拉德-CAM热图提供了可视化解释的部位,有助于临床决策.
结论:
- DFU_XAI框架提高了AI用于DFU检测的透明度和临床实用性.
- 该SNN模型显示了对准确和可解释的DFU诊断的显著前景.
- 这种人工智能驱动的方法为传统的DFU管理方法提供了可靠和高效的替代方案.
更多相关视频
04:09Prospective, Randomized, and Controlled Study of a Human Umbilical Cord Mesenchymal Stem Cell Injection for Treating Diabetic Foot Ulcers
Published on: March 3, 2023
2.7K
09:47Author Spotlight: Advancing Alzheimer's Research – Exploring Early Detection and Multi-Omics Approaches
Published on: December 15, 2023
939