用于糖尿病足Wagner溃疡分级系统实时检测与分析的深度学习方法
计算机视觉与模式识别
2023-05-03 v3
摘要
目前，诊断糖尿病足（DF）严重程度普遍依赖专业足病医生。然而在大多数情况下，专业足病医生工作负担沉重，尤其在欠发达和发展中国家与地区，常出现足病医生不足、难以满足DF患者快速增长的治疗需求的问题。有必要开发一套辅助诊断DF的医疗系统，以减轻足病医生部分工作量，并为DF患者提供及时的相关信息。本文开发了一套可对糖尿病足Wagner溃疡进行实时分类与定位的系统。首先，我们提出了包含2688张带标注糖尿病足的数据集。随后，为使系统能够实时、准确地检测糖尿病足溃疡，本文以YOLOv3算法为基础，结合图像融合、标签平滑与变体学习率模式技术，提升原算法的鲁棒性与预测精度。最后，将改进后的YOLOv3作为本文最优算法部署至Android智能手机，实现糖尿病足类别与定位的实时预测。实验结果表明，改进后的YOLOv3算法mAP达到91.95%，满足智能手机等移动设备上糖尿病足Wagner溃疡实时检测与分析的需求。该工作有望在未来引发DF临床治疗的范式转变，为DF组织分析与愈合状态提供有效的医疗解决方案。
引用
@article{arxiv.2006.02322,
title = {Deep Learning Methods for Real-time Detection and Analysis of Wagner Ulcer Classification System},
author = {Aifu Han and Yongze Zhang and Ajuan Li and Changjin Li and Fengying Zhao and Qiujie Dong and Qin Liu and Yanting Liu and Ximei Shen and Sunjie Yan and Shengzong Zhou},
journal= {arXiv preprint arXiv:2006.02322},
year = {2023}
}
备注
11 pages with 11 figures