人工智能支持压力损伤的分期分类
Ayşe Silanur Demir Üçtepe1, Ahmet Emin Battal2, Cevat Güleç2
1School of Nursing, Koç University, Istanbul, Turkey.
Advances in skin & wound care
|September 22, 2025
概括
这项研究开发了一种人工智能 (AI) 工具,用于准确的压力损伤 (PI) 阶段. 人工智能模型实现了76.92%的准确性,为临床专家提供了一个有前途的自动化解决方案.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 计算机视觉 计算机视觉
背景情况:
- 压力损伤的精确分期对于有效的治疗至关重要.
- 目前用于PI分期的方法可以是主观的,并且在准确度上有所不同.
- 需要客观和自动化的工具来改善PI分类.
研究的目的:
- 设计和评估一个人工智能 (AI) 工具,用于客观和准确的压力损伤 (PI) 阶段.
- 为了比较PI分类的不同深度学习架构的性能.
- 验证AI模型能够自动化PI阶段识别的能力.
主要方法:
- 开发了一个使用人工智能和计算机视觉进行PI图像分析的分类网络.
- 经过训练和测试的模型包括ResNet18,ResNet18-变压器编码器混合模型和DenseNet-121.
- 使用了1663张PI图像的综合数据集,并采用了三倍交叉验证以进行可靠的评估.
主要成果:
- 在4类PI分期任务中,ResNet18实现了最高的平均精度76.92 ± 0.92%.
- 该模型在第一阶段 (87.35 ± 5.54%) 和第三阶段 (64.72 ± 2.66%) 的PI中显示出高精度.
- 使用Grad-CAM可视化来解释模型的注意力区域.
结论:
- 拟议的AI计算方法在自动化PI分期方面显示出有希望的结果.
- 人工智能模型可以通过提供客观和准确的PI阶段分类来帮助临床医生.
- 这项技术有可能提高临床决策和压力损伤患者的护理.


