Drei Gesundheitseinrichtungen in der Westschweiz stellten hochauflösende Bilder, kurze Videos und 3D-Scans sowie strukturierte klinische Metadaten zur Verfügung, um ein KI-Modell anhand von rund 4.000 Wunden zu trainieren, damit es die Wundfläche erfassen kann.
© Stefanelli et al.
Das KI-basierte Wundsegmentierungsmodell, das unter Verwendung der Deeplabv3+-Architektur mit einem ResNet50-Backbone entwickelt wurde, erreichte einen DICE-Score von 92 % und einen Intersection-over-Union (IoU)-Score von 85 %. Diese Werte geben an, wie genau das KI-Modell die genaue Wundfläche automatisch erkennen kann, wobei die durchschnittliche Verarbeitungszeit 0,3 Sekunden beträgt.
