热成像是否为深色皮肤患者压力性损伤检测的可行方案？

压力性损伤 (PI) 的检测颇具挑战，尤其是在深色皮肤中，因为视觉检查不可靠。热成像被提出作为一种可行的替代方案，因为皮肤温度差异可指示即将发生的组织损伤。尽管深度学习模型在可靠检测 PI 方面展现出巨大潜力，但现有工作未能评估其在深色皮肤和不同数据采集协议下的性能。本文介绍了一个包含 35 名参与者的新型热成像和光学成像数据集，专注于深色皮肤，通过冷却和拔罐协议诱导温度差异。我们改变图像采集过程，包括不同的相机、光照、患者姿势和相机距离。我们比较了在所有肤色下分别基于热成像或光学图像训练的小型卷积神经网络 (CNN) 的性能。我们的初步结果表明，基于热成像的 CNN 对所有肤色的数据采集协议具有鲁棒性。