基于深度学习的烧伤患者整形术后愈合状态预测

摘要

目的：旨在应用深度学习模型预测烧伤患者接受整形手术后的愈合状态，重点包括瘢痕形成、感染发生以及完全愈合与部分愈合的类别判断。通过对烧伤图像数据进行特征提取和分析，协助医生更准确地评估患者的术后恢复情况。方法：基于预训练的VGG模型进行烧伤图像特征提取，同时引入注意力机制以增强模型对关键区域的关注能力。所提取的特征进一步输入到多种传统机器学习分类器中，分别完成模型的训练与测试。结果：基于VGG模型并结合注意力机制的分类模型在预测烧伤愈合状态方面取得良好效果，其中VGG模型结合注意力机制与XGBoost分类器的组合模式最优，准确率达到0.853，宏平均F1分数为0.844，宏平均AUC值为0.921，说明该模型在不同愈合类别的区分中具有优越性能。结论：采用VGG特征提取并引入注意力机制的模型在烧伤愈合状态预测中显示出显著的临床应用潜力。注意力机制的加入提升了模型对关键图像特征的关注程度，从而进一步提高分类的准确率和结果的一致性。

关键词

深度学习 / 注意力机制 / 烧伤 / 整形手术 / 愈合状态

基金资助

江苏省卫健委支撑项目（K2023064）