面向深色肤色患者的慢性伤口分割的增强型谐波密集混合 Transformer 网络架构
图像与视频处理
2025-05-05 v1 人工智能
计算机视觉与模式识别
摘要
慢性伤口及其相关并发症在全球临床和医院中呈现持续增长的负担。静脉性伤口、动脉性伤口、糖尿病性伤口和压疮在全球范围内变得日益常见。这些情况可能导致患者受影响，伴随截肢和 increased 死亡风险。新方法不应帮助临床医生进行慢性伤口护理，才能维持高质量的护理标准。本文提出了改进的 HarDNet 分割架构，集成了初始网络层中的对比度消除组件以增强特征学习。我们还利用多色彩空间张量合并过程，并调整卷积块的谐波形状以促进这些额外特征。我们使用来自浅色肤色患者的伤口图像训练所提出的模型，并在两个测试集上进行测试（一个带有 ground truth，一个不带），其中仅包含深色肤色案例。主观评级来自临床伤口专家，使用 intraclass correlation coefficient 确定 inter-rater 可靠性。对于浅色肤色测试集（带有 ground truth），我们在 Dice 相似系数（+0.1221）和交并比（+0.1274）方面均取得了改进。定性分析显示专家评分很高，与基线模型相比改进超过 3%。本文首次聚焦于使用仅在浅色肤色伤口图像上训练的模型进行深色肤色慢性伤口分割。糖尿病在深色肤色患者居多的国家，凸显了对此类案例的更大关注的必要性。此外，我们进行了迄今为止规模最大的慢性伤口分割的定性研究。
引用
@article{arxiv.2410.03359,
title = {An Enhanced Harmonic Densely Connected Hybrid Transformer Network Architecture for Chronic Wound Segmentation Utilising Multi-Colour Space Tensor Merging},
author = {Bill Cassidy and Christian Mcbride and Connah Kendrick and Neil D. Reeves and Joseph M. Pappachan and Cornelius J. Fernandez and Elias Chacko and Raphael Brüngel and Christoph M. Friedrich and Metib Alotaibi and Abdullah Abdulaziz AlWabel and Mohammad Alderwish and Kuan-Ying Lai and Moi Hoon Yap},
journal= {arXiv preprint arXiv:2410.03359},
year = {2025}
}