基于深度学习的乳头创伤评估系统对产后母乳养支持的可行性和可接受性

科学领域:

• 医学技术 医学技术 医学技术
• 医疗保健中的人工智能
• 产后护理 产后护理

背景情况:

• 乳头创伤是经常出现的产后问题,影响了母乳养的成功和母亲的信心.
• 深度学习图像分析提供客观的远程评估潜力,但缺乏临床可行性数据.
• 对乳头创伤评估的深度学习系统的评估对于临床应用至关重要.

研究的目的:

• 评估基于深度学习的乳头创伤评估系统的可行性和可接受性.
• 探索母亲对人工智能干预的看法和满意度.
• 调查对母乳养自我效能的影响.

主要方法:

• 一项涉及日本23名产后母亲的准实验性研究.
• 干预小组使用智能手机应用程序进行乳头成像和AI分析.
• 在怀孕,住院和产后期间通过问卷收集的数据.

主要成果:

• 人工智能系统在技术上是功能性的,安全的,并得到了参与者的好评.
• 75%的参与者接受了高度信心的AI评估,表明有用性.
• 干预组在母乳养自我有效性得分上显示出更大的改善.

结论:

• 深度学习的乳头创伤评估系统在产后环境中是可行的和可以接受的.
• 该系统证明了安全性和用户的积极接待.
• 未来的发展应该专注于实时,远程功能,以加强对母亲的支持.