基于深度学习的伤口定位移动应用

我们提出了一种利用深度神经网络从二维伤口与溃疡图像中自动定位伤口的方法，作为构建自动化、完整伤口诊断系统的第一步。该伤口定位器采用 YOLOv3 模型开发，随后被封装为 iOS 移动应用。所开发的定位器能够检测伤口及其周围组织，并从图像中隔离出局部化的伤口区域，由于去除了伤口图像中的无关区域，这将非常有助于后续的伤口分割与分类等处理。针对带视频处理的移动应用开发，使用了 YOLOv3 的轻量版本 tiny-YOLOv3。该模型在我们与威斯康星州密尔沃基市 AZH 伤口与血管中心合作自建的图像数据集上进行了训练与测试。将 YOLOv3 模型与 SSD 模型比较，结果表明 YOLOv3 的 mAP 值为 93.9%，远优于 SSD 模型（86.4%）。这些模型的鲁棒性与可靠性也在名为 Medetec 的公开数据集上进行了测试，同样表现出非常好的性能。