Development of a deep learning-based tool to assist wound classification

要約

このホワイト ペーパーでは、ディープ ラーニング ベースの創傷分類ツールを紹介します。このツールは、創傷以外の専門分野の医療関係者が 5 つの重要な創傷状態、つまり深部創傷、感染創傷、動脈創傷、静脈創傷、および褥創を分類するのに役立ちます。
すぐに手に入るカメラを使用。
分類の正確さは、適切な創傷管理に不可欠です。
提案された創傷分類方法は、統一された創傷分類アーキテクチャの 5 つの主要な創傷状態間の関係を活用するマルチタスク ディープ ラーニング フレームワークを採用しています。
提案されたモデルを人間と比較するための指標としてコーエンのカッパ係数の違いを使用すると、モデルのパフォーマンスは、すべての人間の医療関係者のパフォーマンスよりも優れているか、劣っていませんでした。
当社の畳み込みニューラル ネットワーク ベースのモデルは、深部、感染、動脈、静脈、圧迫創の 5 つのタスクを同時に高い精度で分類した最初のモデルです。
提案されたモデルはコンパクトで、人間の医師や看護師のパフォーマンスに匹敵するか、それを上回っています。
創傷ケアを専門としない医療関係者は、提案されたディープ ラーニング モデルを備えたアプリから恩恵を受ける可能性があります。

要約(オリジナル)

This paper presents a deep learning-based wound classification tool that can assist medical personnel in non-wound care specialization to classify five key wound conditions, namely deep wound, infected wound, arterial wound, venous wound, and pressure wound, given color images captured using readily available cameras. The accuracy of the classification is vital for appropriate wound management. The proposed wound classification method adopts a multi-task deep learning framework that leverages the relationships among the five key wound conditions for a unified wound classification architecture. With differences in Cohen’s kappa coefficients as the metrics to compare our proposed model with humans, the performance of our model was better or non-inferior to those of all human medical personnel. Our convolutional neural network-based model is the first to classify five tasks of deep, infected, arterial, venous, and pressure wounds simultaneously with good accuracy. The proposed model is compact and matches or exceeds the performance of human doctors and nurses. Medical personnel who do not specialize in wound care can potentially benefit from an app equipped with the proposed deep learning model.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google