轻量级模型在移动设备上进行伤口分割的早期探索

老龄化人口给医疗保健带来诸多挑战，包括老年人慢性伤口的增加。目前治疗师基于照片文档进行伤口评估的方法具有主观性，这凸显了需要从智能手机照片中进行计算机辅助伤口识别的需求。这种方法能够客观、便捷地监测疗效，同时让患者随时可在家中便捷获取。尽管移动图像分割领域已有研究，但移动伤口分割的关注度仍不足。为填补这一空白，我们对三种轻量级架构进行初始研究，以探讨其在智能手机端伤口分割中的适用性。我们采用公开数据集并以 UNet 为基准，结果令人鼓舞，ENet 和 TopFormer 以及更大尺度的 UNeXt 变体均表现出与 UNet 相当的性能。此外，我们将模型部署到智能手机应用中进行实时分割的可视化评估，结果表明 TopFormer 在区分伤口与伤口色彩物体方面效果显著。虽然本研究凸显了 transformer 模型在移动伤口分割中的潜力，但未来工作需进一步提高掩码轮廓的质量。