Prediction and classification of pressure injuries by deep learning
Wykrywanie i klasyfikacja odleżyn z wykorzystaniem deep learning
Prediction and classification of pressure injuries by deep learning
Wykrywanie i klasyfikacja odleżyn z wykorzystaniem deep learning
Data
2021-12-16
Autorzy
Yilmaz, Atınç
Kızıl, Hamiyet
Kaya, Umut
Çakır, Rıdvan
Demiral, Melek
Tytuł czasopisma
ISSN czasopisma
Tytuł tomu
Wydawca
Państwowa Szkoła Wyższa im. Papieża Jana Pawła II w Białej Podlaskiej
Streszczenie
Pressure injuries are a serious medical problem that both negatively affects the patient's
quality of life and results in significant healthcare costs. In cases where a patient doesn’t
receive appropriate treatment and care, death may result. Nurses play critical roles in the
prevention, care, and treatment of pressure injuries as members of the healthcare team
who closely monitor the health status of the patient. Today, the use of artificial intelligence
is becoming more prevalent in healthcare, as in many other areas. Artificial intelligence
is a method that aims to solve complex problems by using computers to mathematically
simulate the way the brain works. In this article, we compile and share information about
a deep learning model developed for the detection and classification of pressure injuries. Deep
learning can operate on many types of data. Convolutional Neural Networks (CNN) prefer
images because they can handle 2D arrays. In this case, the images, annotated according to
the National Pressure Injury Advisory Panel pressure injury classification system, have been
fed into a deep learning model using CNN. The developed CNN model has a 97% success in
detecting and classifying pressure injuries, and as more images are collected and fed into the
CNN, the prediction accuracy will increase. This deep learning model allows for the automatic
detection and classification of pressure injuries, an indicator of health outcomes, at an early
stage and for quick and accurate intervention. In this context, it is expected that the quality of
nursing care will increase, the prevalence of pressure injury will decrease, and the economic
burden of this health problem will decrease.
Odleżyny są problemem zdrowotnym, który negatywnie wpływa na jakość życia pacjenta i powoduje poważne koszty opieki. W przypadku braku odpowiedniego leczenia i opieki może to doprowadzić do śmierci pacjenta. Pielęgniarki odgrywają kluczową rolę w zapobieganiu, opiece i leczeniu odleżyn jako członkowie zespołu opieki zdrowotnej, którzy ściśle i stale monitorują stan zdrowia danej osoby. Obecnie w dziedzinie zdrowia, podobnie jak w wielu innych dziedzinach, coraz częściej wykorzystuje się sztuczną inteligencję. Sztuczna inteligencja jest metodą, która ma na celu rozwiązywanie złożonych problemów poprzez matematyczne symulowanie sposobu działania mózgu z wykorzystaniem komputerów. Niniejszy artykuł jest przeglądem zaprojektowanym w celu podzielenia się informacjami na temat modelu deep learning opracowanego do wykrywania i klasyfikacji odleżyn. Deep learning może działać na wielu typach danych. Konwolucyjne sieci neuronowe (ang. convolutional neural networks, CNN) preferują obrazy, ponieważ mogą obsługiwać macierze 2D. Obrazy, uporządkowane zgodnie z systemem klasyfikacji odleżyn według National Pressure Injury Advisory Panel (NPIAP), zostały przekształcone w "Deep Learning Model" z wykorzystaniem CNN. Opracowywany model CNN ma 97% skuteczności w wykrywaniu i klasyfikowaniu odleżyn, a im więcej obrazów zostanie zebranych i wykorzystanych w CNN, tym większe będzie prawdopodobieństwo trafnej prognozy. Ten model deep learning daje możliwość automatycznego wykrywania i klasyfikacji odleżyn, które są wskaźnikiem jakości zdrowia, na wczesnym etapie oraz dokładnej i szybkiej interwencji. W tym kontekście oczekuje się, że jakość opieki pielęgniarskiej wzrośnie, zmniejszy się częstość występowania odleżyn oraz obciążenie ekonomiczne związane z tym problemem zdrowotnym.
Odleżyny są problemem zdrowotnym, który negatywnie wpływa na jakość życia pacjenta i powoduje poważne koszty opieki. W przypadku braku odpowiedniego leczenia i opieki może to doprowadzić do śmierci pacjenta. Pielęgniarki odgrywają kluczową rolę w zapobieganiu, opiece i leczeniu odleżyn jako członkowie zespołu opieki zdrowotnej, którzy ściśle i stale monitorują stan zdrowia danej osoby. Obecnie w dziedzinie zdrowia, podobnie jak w wielu innych dziedzinach, coraz częściej wykorzystuje się sztuczną inteligencję. Sztuczna inteligencja jest metodą, która ma na celu rozwiązywanie złożonych problemów poprzez matematyczne symulowanie sposobu działania mózgu z wykorzystaniem komputerów. Niniejszy artykuł jest przeglądem zaprojektowanym w celu podzielenia się informacjami na temat modelu deep learning opracowanego do wykrywania i klasyfikacji odleżyn. Deep learning może działać na wielu typach danych. Konwolucyjne sieci neuronowe (ang. convolutional neural networks, CNN) preferują obrazy, ponieważ mogą obsługiwać macierze 2D. Obrazy, uporządkowane zgodnie z systemem klasyfikacji odleżyn według National Pressure Injury Advisory Panel (NPIAP), zostały przekształcone w "Deep Learning Model" z wykorzystaniem CNN. Opracowywany model CNN ma 97% skuteczności w wykrywaniu i klasyfikowaniu odleżyn, a im więcej obrazów zostanie zebranych i wykorzystanych w CNN, tym większe będzie prawdopodobieństwo trafnej prognozy. Ten model deep learning daje możliwość automatycznego wykrywania i klasyfikacji odleżyn, które są wskaźnikiem jakości zdrowia, na wczesnym etapie oraz dokładnej i szybkiej interwencji. W tym kontekście oczekuje się, że jakość opieki pielęgniarskiej wzrośnie, zmniejszy się częstość występowania odleżyn oraz obciążenie ekonomiczne związane z tym problemem zdrowotnym.
Opis
Słowa kluczowe
deep learning,
pressure ulcers,
artificial intelligence,
nursing care,
odleżyny,
sztuczna inteligencja,
opieka pielęgniarska
Cytowanie
Yilmaz A, Kızıl H, Kaya U, Çakır R, Demiral M. Prediction and classification of pressure injuries by deep learning. Health Prob Civil. 2021; 15(4): 328-335. https://doi.org/10.5114/hpc.2021.110457