[20 Jun] Masa Depan Pembedahan ke-26: Penilaian Ulser Kulit Berkuasa AI – Langkah Pertama Ke Arah Penilaian Luka Masa Nyata
Diterjemah oleh AITentang sesi ini
Jumaat, 20 Jun 2025 18:00-20:00
ucapan dasar
"Pembinaan semula ulser yang sukar dirawat secara minimal invasif menggunakan kepak perforator kapilari"
Isao Mitsushima, Profesor Emeritus, Universiti Tokyo
Kuliah jemputan
"Penilaian ulser kulit berasaskan AI – Langkah pertama ke arah penilaian luka masa nyata"
Kazufumi Tate, Profesor Madya, Jabatan Pembedahan Plastik, Fakulti Perubatan, Universiti Perubatan dan Farmaseutikal Tohoku
Secara tradisinya, penilaian ulser kulit bergantung pada pemeriksaan visual oleh doktor, tetapi pendekatan ini bersifat subjektif dan kekurangan kebolehulangan. Oleh itu, kami sedang mencuba analisis imej ulser berasaskan AI. Menggunakan perisian kami sendiri, kami menganotasi imej ulser kepada enam kelas dan melakukan segmentasi semantik. Walaupun pengecaman ulser automatik adalah baik, ketepatannya rendah untuk kelas dengan warna yang samar-samar. Untuk mengimbangi ini, kami melaksanakan mekanisme anotasi tambahan menggunakan nilai RGB dan formula pengelasan linear, dan kini menggunakannya bersama-sama dengan penilaian AI untuk meningkatkan ketepatan. Pada masa hadapan, kami berhasrat untuk membangunkan kamera AI yang boleh menilai ulser dalam masa nyata dan menjejaki perubahan dari semasa ke semasa.
20 Jun, Jumaat, 18:00-20:00 (JST)
Ucaptama
Flap Perforator Kapilari untuk Ulser Refraktori
- Pendekatan Minimal Invasif untuk Pembinaan Semula Luka Kompleks -
Dr. Isao Koshima
Profesor Emeritus, Universiti Tokyo
Kuliah Jemputan
Menggunakan AI untuk Menilai Ulser Kulit:
Satu Langkah Ke Arah Penilaian Luka Masa Nyata
Dr Kazufumi Tachi
Profesor Madya, Bahagian Plastik dan
Pembedahan Rekonstruktif,
Universiti Perubatan dan Farmaseutikal Tohoku
Ulser kulit secara tradisinya dinilai secara visual oleh doktor, tetapi pendekatan ini bersifat subjektif dan kekurangan kebolehulangan. Untuk menangani isu ini, kami telah membangunkan sistem AI untuk penilaian ulser automatik menggunakan analisis imej. Kami menganotasi imej ulser kepada enam kelas menggunakan perisian yang dibina khas dan model pembelajaran mendalam yang terlatih untuk segmentasi semantik. Walaupun model menunjukkan prestasi yang baik secara umum, ketepatan menurun dalam kelas dengan ciri warna yang samar-samar. Untuk melengkapi ini, kami melaksanakan sistem anotasi sekunder berdasarkan nilai RGB dan formula pengelasan linear. Model semasa kami menggabungkan penilaian berasaskan AI dan berasaskan peraturan untuk meningkatkan ketepatan. Akhirnya, matlamat kami adalah untuk membangunkan sistem kamera AI masa nyata yang boleh menilai dan menjejaki perkembangan ulser dari semasa ke semasa.
|
rawatan ulser kulit
Diagnosis AI
Penilaian masa nyata
Perubatan ramalan
Peranti anastomosis vaskular berkelajuan tinggi berbantukan tekanan negatif
Rawatan Ulser Kulit
Diagnosis AID
Penilaian Masa Nyata
Perubatan Prediktif
Peranti Anastomosis Berbantukan Tekanan Negatif
|
Program
Koshima Isao
The Next Generation of Super Microsurgery International Forum, The Next-Generation of Super Mirosurgery International Forum
The University of Tokyo,
Tachi Kazufumi
Tohoku Medical and Pharmaceutical University,
Secara tradisinya, penilaian ulser kulit bergantung pada pemeriksaan visual oleh doktor, tetapi pendekatan ini bersifat subjektif dan kekurangan kebolehulangan. Oleh itu, kami sedang mencuba analisis imej ulser berasaskan AI. Menggunakan perisian kami sendiri, kami menganotasi imej ulser kepada enam kelas dan melakukan segmentasi semantik. Walaupun pengecaman ulser automatik adalah baik, ketepatannya rendah untuk kelas dengan warna yang samar-samar. Untuk mengimbangi ini, kami melaksanakan mekanisme anotasi tambahan menggunakan nilai RGB dan formula pengelasan linear, dan kini menggunakannya bersama-sama dengan penilaian AI untuk meningkatkan ketepatan. Pada masa hadapan, kami berhasrat untuk membangunkan kamera AI yang boleh menilai ulser dalam masa nyata dan menjejaki perubahan dari semasa ke semasa.
Ulser kulit secara tradisinya dinilai secara visual oleh doktor, tetapi pendekatan ini bersifat subjektif dan kekurangan kebolehulangan. Untuk menangani isu ini, kami telah membangunkan sistem AI untuk penilaian ulser automatik menggunakan analisis imej. Kami menganotasi imej ulser kepada enam kelas menggunakan perisian yang dibina khas dan model pembelajaran mendalam yang terlatih untuk segmentasi semantik. Walaupun model menunjukkan prestasi yang baik secara umum, ketepatan menurun dalam kelas dengan ciri warna yang samar-samar. Untuk melengkapi ini, kami melaksanakan sistem anotasi sekunder berdasarkan nilai RGB dan formula pengelasan linear. Model semasa kami menggabungkan penilaian berasaskan AI dan berasaskan peraturan untuk meningkatkan ketepatan. Akhirnya, matlamat kami adalah untuk membangunkan sistem kamera AI masa nyata yang boleh menilai dan menjejaki perkembangan ulser dari semasa ke semasa.