基于VAT的人工智能算法测量动物伤口面积的研究

摘要：

目的 动物伤口模型的面积测量是常见的生物医学研究内容.常规的手动测量不仅需要大量人力进行轮廓描述,还存在测量人员的人为误差.为解决这一问题,笔者提出了一种基于带转换器的体积聚合(VAT)的人工智能算法测量系统.方法 选择63只BALB/c小鼠,鼠龄9～10周,体质量25 g左右.其中20只模拟手术清洁伤口模型,14只模拟糖尿病伤口模型,29只模拟感染伤口模型.清洁伤口模型采用5mW、10mW、15mW光治疗和自然愈合;糖尿病伤口模型采用10mW、15 mW光治疗和自然愈合;感染伤口模型采用5 mW、10mW、15 mW光治疗和抗生素治疗、自然愈合.在伤口愈合过程中每天采集数字图像,共采集到672幅图像.基于这些图像数据分别使用Image J软件和人工智能算法来进行伤口区域勾画和伤口面积数据计算,通过图像重合率和伤口面积数据分析进行手动测量和人工智能算法之间的对比研究.手动测量分别由3人完成.结果 人工智能算法与手动测量在图像重合度上效果接近,面积数值相关系数r=0.968,P＜0.001,呈高度正相关;一致性ICC=0.824,P＜0.001,表现出良好一致性.按照伤口恢复进程将图像分为开放伤口期、结痂期、纤维愈合期、瘢痕愈合期4组.其中开放伤口期和结痂期r＞0.95,呈高度正相关;纤维结痂期r=0.490,而瘢痕愈合期r仅为0.103.结论 与手动测量相比,人工智能算法测量系统是一种准确度高、可靠性强、耗时短的新方法,在动物伤口模型的面积测量方面展现出独特的优势.

关键词：人工智能、数字成像、面积测量、语义分割

所属期刊栏目：28

分类号：R318;TP18;TP391.41(医用一般科学)

资助基金：国家自然科学基金62175261

在线出版日期：2024-06-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：299-308