人工智能增强成像用于糖尿病足风险评估和诊断:一项回顾性队列研究
Tilak Bhattacharya1, Sandip Chakraborty2, Ghanshyam Goyal3
1University of Engineering and Management, Kolkata, India.
Journal of diabetes science and technology
|January 16, 2026
概括
这项研究开发了一种人工智能方法,用于糖尿病足 (DFU) 的细分和严重程度分类. 人工智能在识别DFU边界和分级严重程度方面取得了很高的准确性,改善了临床管理.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 计算生物学 计算生物学
背景情况:
- 糖尿病足 (DFU) 评估需要精确的细分来准确预测严重程度.
- 现有的细分工具往往缺乏有效的伤口边界划分所需的准确性.
- 瓦格纳的分级系统是对DFU严重性进行分类的标准.
研究的目的:
- 开发和评估人工智能 (AI) 驱动的DFU细分和严重程度分类方法.
- 与传统方法相比,提高DFU边界划分的准确性.
- 使用人工智能实现DFU严重性的实时远程评估.
主要方法:
- 一种新的AI驱动的方法,将增强的活跃轮模型与Sobel边缘检测相结合,用于精确的DFU边界分割.
- 基于瓦格纳的分级系统,开发一种轻量级分类模型来预测DFU的严重程度.
- 利用印度510名患者的1339张DFU图像 (增加到6579) 的回顾性队列.
主要成果:
- 细分方法实现了0.99.99的高子相似系数.
- 该分类模型显示了95.58%的准确性,95.58%的灵敏性和99.16%的特异性.
- 该方法表现出较低的假阳性率 (0.84%) 和假阴性率 (4.83%),表现优于现有技术.
结论:
- 拟议的AI方法显著提高了糖尿病足的细分和分类.
- 这一进步支持改善了DFU的临床决策和管理.
- 开发的AI驱动的移动应用程序有助于高效的远程DFU评估.
更多相关视频
04:09Prospective, Randomized, and Controlled Study of a Human Umbilical Cord Mesenchymal Stem Cell Injection for Treating Diabetic Foot Ulcers
Published on: March 3, 2023
3.7K
06:45Point-Of-Care Ultrasound Screening for Proximal Lower Extremity Deep Venous Thrombosis
Published on: February 10, 2023
15.9K
