基于深度学习的糖尿病足伤口TEXAS分期研究

针对糖尿病足辅助诊断问题,提出了一种有效的具有两级集成卷积神经网络的深度学习方法。利用加载预训练权重的121层密集卷积网络DenseNet121和EfficientNet-B0网络作为集成卷积神经网络训练时特征提取的初始参数;再使用数据集Diabetic Foot UlcersGrand Challenge 2021进行整个网络的训练,从而实现糖尿病足伤口感染和缺血特征的TEXAS自动分期。使用5折交叉验证获得的该方法受试者工作特征曲线下面积值为0.989,准确率为0.954,查全率为0.944,查准率为0.954,F1-score为0.956。结果显示该方法性能良好,在临床辅助诊断中具有较好的应用潜力。