Classificação de feridas multimodal usando imagem de ferida e localização por rede neural profunda

A classificação de feridas é um passo essencial no diagnóstico de feridas. Um classificador eficiente pode ajudar especialistas em feridas a classificar os tipos de feridas com menos custos financeiros e de tempo, além de ajudá-los a decidir sobre um procedimento de tratamento otimizado. Este estudo desenvolveu um classificador multimodal baseado em rede neural profunda utilizando imagens de feridas e suas localizações correspondentes para categorizá-las em múltiplas classes, incluindo úlceras diabéticas, por pressão, cirúrgicas e venosas. Um mapa corporal também foi desenvolvido para preparar os dados de localização, o que pode ajudar os especialistas em feridas a marcar as localizações das feridas de forma mais eficiente. Três conjuntos de dados contendo imagens e suas respectivas informações de localização foram elaborados com a ajuda de especialistas em feridas. A rede multimodal foi desenvolvida concatenando as saídas do classificador baseado em imagem e do classificador baseado em localização, junto com outras modificações. A máxima precisão em classificações de classes mistas (contendo fundo e pele normal) varia de 82,48 a 100% em diferentes experimentos. A máxima precisão nas classificações de classes de feridas (contendo apenas diabéticas, por pressão, cirúrgicas e venosas) varia de 72,95 a 97,12% em vários experimentos. A rede multimodal proposta também mostrou uma melhoria significativa nos resultados em relação aos trabalhos anteriores da literatura.