基于深度学习的自动伤口分类与分割
图像与视频处理
2024-08-22 v1
摘要
伤口（如足部溃疡、压疮、腿部溃疡和感染性伤口）在医疗保健领域提出了重大问题。及时且准确的分割对于有效治疗至关重要。然而，当前方法需要一个适用于分类和分割的详尽模型，尤其是轻量级模型。为此，本文提出了一种新型架构，融合了 U-Net，该网络针对伤口分类和有效分割进行了优化。我们精选了四个广泛且多样化的伤口图像集合，利用公开的 Medetec 数据集，并补充了来自互联网的额外数据。我们的模型在分割和分类方面表现卓越，分别在分割和分类上取得了 0.929 的 F1 分数和 0.931 的 Dice 分数以及 0.915 的准确率，证明了其在分类和分割任务中的有效性。这一成就凸显了我们方法在自动化伤口护理管理方面的潜力。
引用
@article{arxiv.2408.11064,
title = {Deep Learning for Automated Wound Classification And Segmentation},
author = {Md. Zihad Bin Jahangir and Sumaiya Akter and MD Abdullah Al Nasim and Kishor Datta Gupta and Roy George},
journal= {arXiv preprint arXiv:2408.11064},
year = {2024}
}