使用深度学习和机器学习进行基于图像的糖尿病足诊断的进展:系统性审查

科学领域:

• 医疗成像医学成像
• 人工智能在医学中的应用
• 糖尿病足部的诊断 糖尿病足部的诊断

背景情况:

• 糖尿病足 (DFU) 是糖尿病的一个严重并发症,需要先进的诊断工具.
• 目前对DFU的诊断方法可能是主观的,耗时的.
• 机器学习 (ML) 和深度学习 (DL) 的整合为客观和高效的DFU诊断提供了潜力.

研究的目的:

• 系统地审查机器学习 (ML) 和深度学习 (DL) 在基于图像的糖尿病足 (DFU) 诊断中的应用.
• 确定ML/DL研究中的趋势,挑战和质量指标,用于DFU检测,细分和分类.
• 评估当前ML/DL方法在DFU诊断中的有效性和局限性.

主要方法:

• 在14个数据库中对2010年至2025年间发表的研究进行了全面的系统文献搜索.
• 纳入标准侧重于ML/DL基于图像的研究,用于DFU诊断,并提供定量结果.
• 在详细审查后,从最初的4653篇文章中选择了102项研究.

主要成果:

• ML/DL模型显示了DFU的高诊断性能,准确度从0.88到0.97.
• 通常使用的ML技术包括支持矢量机器 (SVM),而U-Net和完全卷积神经网络 (FCNNs) 在DL中普遍存在.
• 热红外成像已经成为一个有前途的模式,但数据集的有限的公共可访问性 (45%用于细分,67.3%用于分类) 阻碍了可重复性.

结论:

• ML和DL是DFU诊断的有效工具,提供高精度和灵敏度.
• 审查强调了增加数据可用性和共享的关键需求,以加强ML/DL模型的可复制性和可靠性.
• 提高数据可访问性最终将有助于提高诊断准确性和改善DFU管理中的患者结果.