开发人工智能驱动的伤口评估工具:数据收集和模型优化方法的方法方法
Alessio Stefanelli1, Sofia Zahia2, Guillaume Chanel3,4
1Geneva School of Health Sciences, HES-SO University of Applied Sciences and Arts, Western Switzerland, Avenue Champel 47, Geneva, CH-1206, Switzerland.
BMC medical informatics and decision making
|August 9, 2025
概括
这项研究开发了一种人工智能驱动的移动工具,用于慢性伤口评估,改善诊断和护理. 该技术有助于医疗保健专业人员更有效地管理复杂的伤口.
科学领域:
- 数字健康数字健康
- 医学中的人工智能
- 伤口护理技术的技术.
背景情况:
- 慢性伤口 (CWs) 是一个重要的医疗保健挑战,因为延长愈合和高成本.
- 医疗保健专业人员 (HCP) 对伤口的评估不足,导致治疗和并发症不够理想.
- 有限的培训和高临床工作量有助于评估挑战.
研究的目的:
- 开发一个由人工智能 (AI) 驱动的伤口评估工具.
- 将AI工具集成到用于HCP支持的移动应用程序中.
- 加强诊断,监测和临床决策在伤口护理.
主要方法:
- 在3个瑞士医疗机构进行了一项多中心观察研究.
- 编制了大约4000张伤口图像的混合数据集 (追溯和前).
- 深度学习模型通过使用标记图像进行细分和组织分类进行训练和验证.
主要成果:
- 人工智能伤口细分实现了DICE得分92%和IOU的85%.
- 组织分类的初步DICE得分为78%,组织类型各有差异.
- 优化的模型实现了实时移动推理 (0.3s处理时间) 以最小的性能降低.
结论:
- 一个人工智能驱动的数字工具可以帮助临床伤口评估和教育.
- 整合人工智能模型显示了提高诊断精度和个性化护理的潜力.
- 人工智能有望改变伤口护理和推进临床培训,尽管存在分类挑战.
更多相关视频
03:30Designing and 3D Modeling of Innovative Cell Wounding Tools Based on User Requirement Analysis and Assessing Their Cell Wounding Potential
Published on: October 4, 2024
58
06:13A Tool to Automatically Create Stable and Reproducible Cell-free Gaps for Improving the Reliability of Cell Wound Healing Assay
Published on: October 4, 2024
626
