Beyond Labels: Zero-Shot Diabetic Foot Ulcer Wound Segmentation with Self-attention Diffusion Models and the Potential for Text-Guided Customization

要約

糖尿病の足潰瘍（DFU）は、患者の転帰を強化するために正確で効率的な創傷評価を必要とするヘルスケアに大きな課題をもたらします。
この研究では、ラベル付きトレーニングデータに依存せずに創傷セグメンテーションを実行する新しいテキスト誘導拡散モデルである注意拡散ゼロショット非監視システム（ADZUS）を紹介します。
広範な注釈を必要とする従来のディープラーニングモデルとは異なり、Adzusはゼロショット学習を活用して、記述プロンプトに基づいてセグメンテーションを動的に適応させ、臨床アプリケーションで柔軟性と適応性を向上させます。
実験的評価は、Adzusが従来および最先端のセグメンテーションモデルを上回り、86.68 \％のIouを達成し、慢性創傷データセットで94.69 \％の最高精度を達成し、Fusegnetなどの監督者のアプローチを上回ることを示しています。
カスタムキュレーションされたDFUデータセットのさらなる検証は、その堅牢性を強化し、AdzusはFuseGnetの45 \％を大幅に超えて75 \％のDSCの中央値を達成します。
モデルのテキスト誘導セグメンテーション機能により、セグメンテーション出力のリアルタイムのカスタマイズが可能になり、臨床記述に基づいて創傷特性のターゲット分析が可能になります。
競争力のあるパフォーマンスにもかかわらず、拡散ベースの推論の計算コストと潜在的な微調整の必要性は、将来の改善のための領域のままです。
Adzusは、創傷セグメンテーションにおける変革的なステップを表し、医療イメージングにスケーラブルで効率的で適応性のあるAI駆動型ソリューションを提供します。

要約(オリジナル)

Diabetic foot ulcers (DFUs) pose a significant challenge in healthcare, requiring precise and efficient wound assessment to enhance patient outcomes. This study introduces the Attention Diffusion Zero-shot Unsupervised System (ADZUS), a novel text-guided diffusion model that performs wound segmentation without relying on labeled training data. Unlike conventional deep learning models, which require extensive annotation, ADZUS leverages zero-shot learning to dynamically adapt segmentation based on descriptive prompts, offering enhanced flexibility and adaptability in clinical applications. Experimental evaluations demonstrate that ADZUS surpasses traditional and state-of-the-art segmentation models, achieving an IoU of 86.68\% and the highest precision of 94.69\% on the chronic wound dataset, outperforming supervised approaches such as FUSegNet. Further validation on a custom-curated DFU dataset reinforces its robustness, with ADZUS achieving a median DSC of 75\%, significantly surpassing FUSegNet’s 45\%. The model’s text-guided segmentation capability enables real-time customization of segmentation outputs, allowing targeted analysis of wound characteristics based on clinical descriptions. Despite its competitive performance, the computational cost of diffusion-based inference and the need for potential fine-tuning remain areas for future improvement. ADZUS represents a transformative step in wound segmentation, providing a scalable, efficient, and adaptable AI-driven solution for medical imaging.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google