从使用深度学习的临床图像进行可扩展和客观的伤口感染查
Chao Wang1, Hongyu Wang2, Jianhong Hu3
1Department of Burn and Plastic Surgery, West China School of Medicine, Sichuan University, Sichuan University Affiliated Chengdu Second People's Hospital, Chengdu Second People's Hospital, Chengdu, China.
Frontiers in public health
|March 4, 2026
概括
这项研究开发了一个深度学习框架,用于使用临床图像自动检测伤口感染. 人工智能工具显示出早期,更一致的诊断的潜力,有助于抗菌药物管理.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 伤口护理 伤口护理
背景情况:
- 伤口感染是一个重要的并发症,延迟愈合并增加成本.
- 目前的查缺乏快速,客观和可扩展的方法,特别是在资源有限的环境中.
- 不适当使用抗微生物药物是伤口管理中的一个问题.
研究的目的:
- 开发和评估用于自动检测伤口感染的深度学习 (DL) 框架.
- 提高诊断的一致性,支持以公共卫生为导向的伤口管理.
- 用临床伤口图像来评估DL模型的性能.
主要方法:
- 在4000张临床伤口图像上训练和评估DL模型,包括Swin Transformer和CNN.
- 使用精度,AUC和F1得分来评估模型性能.
- 将模型预测与非专业临床医生的评估进行比较,以确定其在现实世界中的适用性.
主要成果:
- 斯温变压器模型实现了高性能:0.9025准确度,0.9546AUC和0.9042F1得分.
- 与非专业临床医生相比,DL模型预测减少了诊断变异性.
- 该模型能够更早,更一致地识别伤口感染.
结论:
- 对伤口图像应用的DL为感染查提供了可扩展的客观方法.
- 这些工具可以支持更早的检测,并减少诊断变化.
- 改善伤口管理和抗菌药物管理的潜力,特别是在公共卫生机构.
