基于高光谱成像检测烧伤严重程度检测方法的研究
Sijia Wang1, Minghui Gu2,3, Mingle Zhang2,3
1Department of Burn and Plastic Surgery, Jilin Provincial People's Hospital, Changchun 130021, China.
Sensors (Basel, Switzerland)
|March 17, 2025
概括
准确检测烧伤严重程度对于患者的治疗结果至关重要. 本研究介绍了MBNet,这是一种基于超光谱成像的新方法,与传统方法相比,显著提高了烧伤分类准确性.
科学领域:
- 医疗成像医学成像
- 生物医学工程 生物医学工程
- 皮肤病学 皮肤病学
背景情况:
- 准确检测烧伤伤口对于管理感染风险和缩性痕至关重要.
- 目前临床判断烧伤严重程度的准确性有限 (65-70%).
- 需要非侵入性方法来有效和精确地评估烧伤.
研究的目的:
- 开发一种非侵入性,高效的方法,使用高光谱成像 (HSI) 来评估烧伤严重程度.
- 引入一种新的深度学习模型,MBNet,以改善燃烧深度诊断.
- 评估MBNet的性能与现有的机器学习算法对比.
主要方法:
- 利用超光谱成像 (HSI) 来无接触检测受烧伤影响的皮肤的光谱.
- 开发了一个基于Mamba模型的烧伤严重程度检测分类网络 (MBNet).
- 在MBNet中采用双向扫描策略,以捕获长期的光谱依赖.
主要成果:
- 在各种燃烧条件下,MBNet有效地区分微妙的光谱差异.
- 拟议的MBNet模型在定制数据集上表现出比其他七种机器学习算法更高的准确性.
- HSI显示了精确监测受烧伤影响组织结构变化的潜力.
结论:
- MBNet为临床烧伤严重程度评估提供了一种可靠和有效的方法.
- 超光谱成像,加上先进的深度学习,在改善烧伤诊断方面具有显著的前景.
- 需要进一步的研究,以促进HSI在燃烧管理中的广泛临床采用.
