DFUNet：用于糖尿病足溃疡分类的卷积神经网络
计算机视觉与模式识别
2017-12-12 v2
摘要
2016年全球每十一名成年人中有一人患有糖尿病（Diabetes Mellitus）。糖尿病足溃疡（DFU）是该疾病的严重并发症，若管理不当可导致截肢。当前DFU治疗的临床方法依赖患者与临床医生的警觉性，存在显著局限，如DFU诊断、治疗与长期护理成本高昂。我们收集了包含不同患者DFU的足部图像大型数据集。本文提出使用传统计算机视觉特征检测糖尿病患者的足部溃疡，这是一种具成本效益、远程且便捷的医疗保健方案。此外，我们首次将卷积神经网络（CNNs）用于DFU分类。我们提出了一种新颖的卷积神经网络架构 DFUNet，具有更好的特征提取能力，以识别健康皮肤与DFU之间的特征差异。使用10折交叉验证，DFUNet取得了0.962的AUC分数，优于我们所测试的所有机器学习与深度学习分类器。在此我们呈现一种新颖且高灵敏度的DFUNet的开发，用于客观检测DFU的存在。该新方法有可能带来糖尿病足护理的范式转变。
引用
@article{arxiv.1711.10448,
title = {DFUNet: Convolutional Neural Networks for Diabetic Foot Ulcer Classification},
author = {Manu Goyal and Neil D. Reeves and Adrian K. Davison and Satyan Rajbhandari and Jennifer Spragg and Moi Hoon Yap},
journal= {arXiv preprint arXiv:1711.10448},
year = {2017}
}
备注
Submitted to IEEE Access Journal