要約
慢性創傷とそれに伴う合併症は、世界中の診療所や病院にとって負担が増え続けている。静脈創傷、動脈創傷、糖尿病性創傷、褥瘡性創傷は世界的にますます増加している。これらの病態は、罹患者に大きな衰弱をもたらし、四肢の切断や感染による死亡リスクの増大が一般的になっている。そのため、慢性創傷ケアにおいて臨床医を支援する新しい方法は、質の高いケア水準を維持するために不可欠である。本論文では、特徴学習を強化するためにネットワークの初期層にコントラスト除去コンポーネントを統合した、改良型HarDNetセグメンテーション・アーキテクチャを紹介する。また、多色空間テンソルのマージ処理を利用し、畳み込みブロックの調和形状を調整することで、これらの追加特徴を促進する。我々は、明るい肌の患者の創傷画像を用いて提案モデルを訓練し、暗い肌の症例のみからなる2つのテストセット(1つはグランドトゥルースを含むセット、もう1つは含まないセット)でモデルをテストする。主観的評価は、臨床創傷の専門家から取得し、評価者間信頼性を判定するためにクラス内相関係数を使用する。グランド・トゥルース(真実の根拠)を用いた色黒のテスト・セットでは、ダイス類似度係数(+0.1221)およびユニオン(+0.1274)に対するインターセクション(+0.1274)の改善が示された。定性的分析では、ベースラインモデルと提案モデルを比較した場合、3%以上の改善が示され、高い専門家の評価を得た。本論文は、明るい肌を示す創傷画像のみで学習させたモデルを用いて、慢性創傷のセグメンテーションにおいて、より暗い肌の色調に注目した初めての研究を紹介する。糖尿病は、患者の肌の色が黒い国で非常に流行しており、このようなケースに焦点を当てる必要性を強調している。さらに、慢性創傷のセグメンテーションに関して、これまでで最大規模の定性的研究を実施する。
要約(オリジナル)
Chronic wounds and associated complications present ever growing burdens for clinics and hospitals world wide. Venous, arterial, diabetic, and pressure wounds are becoming increasingly common globally. These conditions can result in highly debilitating repercussions for those affected, with limb amputations and increased mortality risk resulting from infection becoming more common. New methods to assist clinicians in chronic wound care are therefore vital to maintain high quality care standards. This paper presents an improved HarDNet segmentation architecture which integrates a contrast-eliminating component in the initial layers of the network to enhance feature learning. We also utilise a multi-colour space tensor merging process and adjust the harmonic shape of the convolution blocks to facilitate these additional features. We train our proposed model using wound images from light-skinned patients and test the model on two test sets (one set with ground truth, and one without) comprising only darker-skinned cases. Subjective ratings are obtained from clinical wound experts with intraclass correlation coefficient used to determine inter-rater reliability. For the dark-skin tone test set with ground truth, we demonstrate improvements in terms of Dice similarity coefficient (+0.1221) and intersection over union (+0.1274). Qualitative analysis showed high expert ratings, with improvements of >3% demonstrated when comparing the baseline model with the proposed model. This paper presents the first study to focus on darker-skin tones for chronic wound segmentation using models trained only on wound images exhibiting lighter skin. Diabetes is highly prevalent in countries where patients have darker skin tones, highlighting the need for a greater focus on such cases. Additionally, we conduct the largest qualitative study to date for chronic wound segmentation.
arxiv情報
著者 | Bill Cassidy,Christian Mcbride,Connah Kendrick,Neil D. Reeves,Joseph M. Pappachan,Cornelius J. Fernandez,Elias Chacko,Raphael Brüngel,Christoph M. Friedrich,Metib Alotaibi,Abdullah Abdulaziz AlWabel,Mohammad Alderwish,Kuan-Ying Lai,Moi Hoon Yap |
発行日 | 2024-10-04 12:26:51+00:00 |
arxivサイト | arxiv_id(pdf) |