.png){kind=icon}
返回
Accurate and Interpretable Wound Healing Progress Detection Based on a Task-Related Knowledge Refinement Learning Method
.png){kind=icon}
PRE
AI
DOI：10.1007/978-981-95-0695-8_7.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
自动检测伤口愈合进展对于协助临床医生评估伤口状况、指导临床治疗以及预防感染和并发症至关重要。然而，当前检测伤口愈合进展的方法常受无关信息干扰，导致检测精度低，且现有技术普遍缺乏可解释性。本研究构建了一个新的伤口愈合数据集，首次提供皮肤伤口愈合状态的连续时间观测。基于该数据集，我们采用任务相关知识学习框架提取皮肤伤口图像中的伤口相关特征。利用这些特征，我们设计了若干简单且高度可解释的机器学习模型，用于伤口愈合进展的分类研究。与缺乏可解释性的现有深度学习模型相比，我们的简单模型在预测伤口愈合进展方面取得了更优的准确率。此外，我们分析了所学习的伤口相关特征，发现其空间分布与既定的医学原理一致，进一步证实了我们学习的特征既可解释又可靠。
Keyword:
wound healing progress detection
interpretability
task-related knowledge learning
wound-related feature
期刊
B
IF:
0
论文数:
32
被引数:
0
机构
引用论文
暂无论文信息