基于YOLO神經(jīng)網(wǎng)絡(luò)構(gòu)建壓力性損傷自動(dòng)檢測(cè)和分期的人工智能模型

打開(kāi)文本圖片集

【摘要】 背景 隨著人口老齡化，壓力性損傷（PI）的發(fā)病率逐漸增加，這不僅嚴(yán)重影響了患者的生存質(zhì)量，還增加了醫(yī)保支出。然而，PI的早期發(fā)現(xiàn)和準(zhǔn)確分期極大地依賴于專業(yè)培訓(xùn)。目的 構(gòu)建并測(cè)試一個(gè)用于PI自動(dòng)檢測(cè)和分期的人工智能模型，以提高PI診斷的實(shí)時(shí)性、準(zhǔn)確性和客觀性。方法 選取常熟市第一人民醫(yī)院壓瘡電子化管理系統(tǒng)中2021年1月—2024年2月的693張PI圖像，將圖像隨機(jī)劃分為訓(xùn)練集（551張）和測(cè)試集（142張），并按照2019 年美國(guó)壓瘡咨詢委員會(huì)（NPUAP）制訂的PI預(yù)防和治療指南分為6期，包括：Ⅰ期154張、Ⅱ期188張、Ⅲ期160張、Ⅳ期82張、深部組織損傷期57張、不可分期52張。（剩余16012字）