走向更聪明的骨科护理:使用视觉变压器和CNN从RGB图像中分类平底足迹

科学领域:

• 整形外科和运动医学
• 医学成像分析 医学成像分析
• 计算生物学 计算生物学

背景情况:

• 足部解剖结构评估对于骨科干预至关重要.
• 足部结构分类对于影响下肢的肌肉骨疾病的早期诊断至关重要.

研究的目的:

• 开发一种准确的方法来分类脚部足迹和后脚在斜脚平面上的对齐.
• 评估最先进的深度学习模型对此分类任务的有效性.

主要方法:

• 创建一个由603个增强RGB足部图像组成的自定义数据集.
• 六个高级深度学习模型的培训和评估:swin_tiny_patch4_window7_224,convnextv2_tiny,deit3_base_patch16_224,xception41,inception-v4和efficientnet_b0.

主要成果:

• 这款swin_tiny_patch4_window7_224型号表现出卓越的性能.
• 在分类足部足迹和后脚对齐方面获得了98.013%的准确性.

结论:

• 在swin_tiny_patch4_window7_224模型显示显著的潜力,作为一个可靠和具有成本效益的工具.
• 这种方法可以帮助临床查和诊断与脚有关的骨科疾病.