基于分类模型的伤口组织愈合的智能进度监测
Imen Fourati Kallel1, Jalila Kaouthar Kammoun1, Hanen Lajnef2
1ESSE laboratory, ENET'com, University of Sfax, Tunisia.
Biomedical physics & engineering express
|March 17, 2025
概括
本研究介绍了一种人工智能辅助的方法来监测伤口,自动化慢性伤口分析,使用图像细分和机器学习分类器来改进愈合评估.
科学领域:
- 生物医学工程 生物医学工程
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 传统的伤口监测依赖于手动,往往不准确的测量.
- 越来越需要自动化,非侵入性伤口评估工具.
- 慢性伤口管理需要高效和精确的监测技术.
研究的目的:
- 开发一个用于伤口分析和愈合率监测的自动化系统.
- 为了减少慢性伤口管理所涉及的手工劳动.
- 评估AI在伤口组织分类和评估中的有效性.
主要方法:
- 利用蛇的方法来提取伤口面积和几何测量.
- 采用颜色值和K介质用于伤口组织细分 (死,,颗粒).
- 将伤口组织比例和患者数据集成到支持矢量机 (SVM),天真贝叶斯 (NB) 和决策树 (DT) 分类器中.
主要成果:
- 证明了值技术在绘制伤口组织的有效性.
- 成功结合了伤口组织特征和患者医疗记录进行分类.
- 进行了一项比较研究,以验证拟议的AI驱动方法.
结论:
- 拟议的人工智能辅助方法为伤口监测提供了一种高效准确的方法.
- 自动伤口分析可以在慢性伤口管理和治疗计划中显著帮助.
- 图像分析和机器学习的整合显示出对推进伤口护理的前景.
