HealNet——自监督急性伤口愈合阶段分类
计算机视觉与模式识别
2022-06-24 v2 人工智能
摘要
识别、追踪和预测伤口愈合阶段进展是迈向恰当诊断、有效治疗、促进愈合与减轻疼痛的基础任务。传统上,医学专家可能观察伤口以确定当前愈合状态并推荐治疗。然而,能够仅依据视觉指标作出此类诊断的专家资源稀缺、耗时且昂贵。此外,病灶可能需要数周完成愈合过程,持续监测与诊断需耗费资源。自动化该任务具挑战性;追踪伤口从发生到成熟进展的数据集规模小、罕见,且常非为计算机视觉而采集。为应对这些挑战,我们引入一种自监督学习方案,由(a)学习伤口时间动态嵌入、(b)用于自动阶段发现的聚类、以及(c)微调分类组成。所提出的自监督且灵活的学习框架受生物学启发,并在零人工标注的小数据集上训练。HealNet框架取得了高预训练与下游分类准确率;在留出测试数据上评估时,HealNet取得了97.7%预训练准确率与90.62%愈合阶段分类准确率。
引用
@article{arxiv.2206.10536,
title = {HealNet -- Self-Supervised Acute Wound Heal-Stage Classification},
author = {Héctor Carrión and Mohammad Jafari and Hsin-Ya Yang and Roslyn Rivkah Isseroff and Marco Rolandi and Marcella Gomez and Narges Norouzi},
journal= {arXiv preprint arXiv:2206.10536},
year = {2022}
}