一种基于机器学习模型利用热成像图早期检测糖尿病足的方法
图像与视频处理
2021-06-29 v1 计算机视觉与模式识别
机器学习
摘要
糖尿病足溃疡（DFU）与截肢是导致显著发病的原因。DFU 的预防可通过识别有 DFU 风险的患者，并通过教育与减压实施预防措施来实现。若干研究报道热成像图有助于在 DFU 发生前检测足底温度升高。然而，足底温度的分布可能是异质的，难以量化并用于预测结果。我们将基于机器学习的评分技术与特征选择和优化技术以及学习分类器，同多种最先进的卷积神经网络（CNNs）在足部热成像图上进行对比，并提出一种识别糖尿病足的鲁棒方案。相对浅层的 CNN 模型 MobilenetV2 在基于双足热成像图分类中取得了约 95% 的 F1 分数，而 AdaBoost 分类器使用了 10 个特征并取得了 97% 的 F1 分数。对性能最佳网络的推理时间对比证实，所提算法可部署为智能手机应用，使用户能在家庭环境中监测 DFU 的进展。
引用
@article{arxiv.2106.14207,
title = {A Machine Learning Model for Early Detection of Diabetic Foot using Thermogram Images},
author = {Amith Khandakar and Muhammad E. H. Chowdhury and Mamun Bin Ibne Reaz and Sawal Hamid Md Ali and Md Anwarul Hasan and Serkan Kiranyaz and Tawsifur Rahman and Rashad Alfkey and Ahmad Ashrif A. Bakar and Rayaz A. Malik},
journal= {arXiv preprint arXiv:2106.14207},
year = {2021}
}
备注
23 pages, 8 Figures