슬롯 머신 Computer Science Department, PhD Defense Ziyang Liu "미세 입자 상처 이미지의 다중 교정 평가를위한 신경망 모델"

Ziyang Liu

PhD 후보

슬롯 머신 - 컴퓨터 과학

2023 년 4 월 12 일 수요일

시간 : 오전 10시 30 분 - 오전 11:30

위치 : Fuller Labs 141

위원회 회원 :

어드바이저 : Emmanuel Agu 교수, 슬롯 머신 - 컴퓨터 과학

교수. Michael Gennert

교수. Dmitry Korkin

교수. 야곱 화이트 힐

교수. Bengisu Tulu

초록 :

ChronicWounds는 650 만 명의 미국인과 Medicare 환자의 15 %에 영향을 미칩니다. 많은 상처 환자는 주기적으로 집을 방문하는 간호사에 의해 치료를받습니다. 만성 상처 관리에는 청소, 제거, 드레싱 변경 및 의약품 적용이 포함됩니다. 또한 인간의 오류도 발생할 수 있습니다. 만성 상처가 크고 증가함에 따라,보다 효율적인 만성 상처 관리, 특히 의료진의 작업을 지원하고 치료 비용을 줄이는 정보 기술 솔루션에 대한 수요가 증가하고 있습니다..

이 논문은 스마트 폰 사진에서 시각적 외관에서 4 가지 상처 유형 (당뇨병 궤양, 압력 궤양, 혈관 궤양 및 수술 상처)의 치유 진행을 자율적으로 등급을 매기는 스마트 밴드 모듈을 연구하는 데 중점을 둡니다. 새로운 신경망 기반 솔루션은 세 가지 특정 문제에 대해 제안됩니다.

1) 스마트 폰 이미지의 다중 교정, 포괄적 인 상처 평가 : 패치 기반 컨텍스트 보존주의를 가진 Densenet Convolutional Neural Network (CNN) 프레임 워크가 8 개의 PWAT 속성을 모두 평가하기 위해 제안됩니다.

2) 상처 감염 및 허혈 검출 : 당뇨병 성 발 궤양 (DFU) 데이터 세트는 기하학적 및 색상 이미지 작동을 사용하여 보강 된 후 이진 감염 및 허혈 분류가 효율적인 딥 학습 모델을 사용하여 수행되었습니다..

3) 작고 불균형, 상처 데이터 세트를 사용한 강력한 다중 스트리트 상처 평가 : 반 감독 학습 및 진보적 인 다중 수립 훈련 메커니즘은 미묘한 상처 이미지의 2 차 코퍼스를 사용하여 작은 1 차 라벨링 된 데이터 세트를 증대시켰다. 다중 교정 상처 스코어링은 증강 된 상처 코퍼스에서 효율적 인 CNN을 활용했습니다.

제안 된 스마트 밴드 시스템은 PWAT 루 브릭의 8 가지 기준에 따라 상처를 자율적으로 등급을 매기고 매뉴얼 상처 등급이 상처 간호사에게 부과하는 상당한 부담을 완화시키는 최초의 지능형 시스템입니다.