一个综合设计,用于细分和分类糖尿病足,使用热图图像
Wan Suhaimizan Bin Wan Zaki1, Yamunarani Thanikachalam1, Ashok Vajravelu1
1Faculty of Electrical and Electronics Engineering, Universiti Tun Hussein Onn Malaysia, BatuPahat, Johor Malaysia.
Journal of diabetes and metabolic disorders
|January 6, 2026
概括
糖尿病足 (DFU) 带来严重的健康风险. 这项研究引入了一个智能预测系统 (IPS),使用修改后的swin变压器和深囊网络进行早期DFU检测和细分,达到99%的准确性.
科学领域:
- 医疗成像医学成像
- 医疗保健中的人工智能
- 计算病理学计算病理学
背景情况:
- 糖尿病足 (DFU) 是糖尿病的严重并发症,通常导致截肢.
- 由于医疗障碍和图像模糊性,对DFU的早期诊断具有挑战性.
- 热力学显示出早期DFU预测的希望,但面临着计算障碍.
研究的目的:
- 开发一种智能预测系统 (IPS),用于早期检测糖尿病足.
- 通过使用先进的AI技术来提高DFU细分和预测准确性.
- 在DFU管理中克服传统温度分析的局限性.
主要方法:
- 提出了一个智能预测系统 (IPS),集成修改后的变压器和深层囊网络.
- 在U-NET架构中使用swin变压器,以实现有效的病变细分.
- 采用深度囊网络用于特征提取和基于机器的极端学习网络进行预测.
- 在Python中使用TensorFlow-Keras使用热足图像进行实验.
主要成果:
- 为DFU实现了99%的最高预测准确度.
- 展示了有前途的细分性能,准确率为98.6%.
- 拟议的模型在早期DFU预测中表现优于现有的方法.
结论:
- 开发的智能预测系统 (IPS) 为早期糖尿病足检测提供了高度准确和有效的解决方案.
- 变压器和深层囊网络的集成显著提高了DFU细分和预测能力.
- 这项研究为利用人工智能驱动的温度计在预防DFU相关截肢方面奠定了坚实的基础.
