视觉语言基础模型驱动的高效识别和手术切口的家庭管理
Chunlin Zhao1, Huahui Yi2, Zekun Jiang2
1Department of Thoracic Surgery, West China Hospital, Sichuan University/West China School of Nursing, Sichuan University, Chengdu, China.
International journal of surgery (London, England)
|November 4, 2025
概括
一个新的视觉语言基础模型 (VLFM) 系统,DeepIncision,准确地识别了手术切口恢复. 这种人工智能工具增强了基于家庭的患者自我管理,并促进了有效的康复.
科学领域:
- 医疗成像医学成像
- 医疗保健中的人工智能
- 术后护理 术后护理
背景情况:
- 准确的外科切口评估对于有效的家庭患者护理和康复至关重要.
- 目前用于监测切口恢复的方法可能是主观的,缺乏实时反.
- 人工智能的进步为客观和自动化的伤口评估提供了潜力.
研究的目的:
- 开发和评估一种使用视觉语言基础模型 (VLFM) 的新型外科切口识别方法.
- 提高手术切口识别的准确性,以优化家庭管理.
- 评估系统的性能与传统的深度学习方法和非专家认可相比.
主要方法:
- 追溯包括1008张手术切口图像 (主要队列) 和验证队列 (252个时间,183个外部).
- 基于基础语言图像预培训VLFM的DeepIncision系统的开发.
- 将DeepIncision与五种传统的深度学习方法以及非医疗人员使用平均精度 (AP) 和平均回忆 (AR) 等指标进行比较.
主要成果:
- DeepIncision成功地识别了七种类型的外科切口条件.
- 该系统在时间验证队列中实现了68.50%的AP,在外部验证队列中达到57.85%.
- DeepIncision显著优于传统方法和非专家认可,在AP和AR方面取得了显著的改进.
结论:
- DeepIncision提供了手术切口的自动和准确的检测和识别.
- 该系统通过提供实时反,协助患者在家进行切口管理.
- 这项技术增强了患者的自我管理,促进了有效的家庭护理和手术切口的康复.
