Simple Science

La science de pointe expliquée simplement

# Informatique # Vision par ordinateur et reconnaissance des formes # Intelligence artificielle

Détection des blessures par pression sur des teintes de peau variées

De nouvelles méthodes visent à améliorer la détection des lésions de pression chez les patients à la peau plus foncée.

Miriam Asare-Baiden, Kathleen Jordan, Andrew Chung, Sharon Eve Sonenblum, Joyce C. Ho

― 10 min lire


Révolutionner la Révolutionner la détection des blessures de pression peaux plus foncées. pour détecter les blessures sur les La thermographie montre des promesses
Table des matières

Les blessures de pression (PIs), souvent appelées escarres, sont des dommages à la peau et aux tissus qui surviennent lorsque le flux sanguin est réduit à cause d'une pression prolongée sur certaines zones du corps. C'est un gros souci pour les gens à l'hôpital, surtout que environ 1 personne sur 10 finit par en avoir une. Ces blessures peuvent causer de la douleur, prolonger le séjour à l’hôpital, et parfois même entraîner la mort. Donc, repérer les signes de PIs tôt peut vraiment aider à la prévention et au traitement.

Le hic, c'est que vérifier les PIs peut être compliqué. Les médecins regardent généralement la couleur de la peau et palpent pour sentir les changements de température. Cependant, pour les patients avec des peaux plus foncées, c’est particulièrement difficile. Ça peut mener à des traitements inéquitables, car le personnel pourrait manquer des signes plus visibles sur peaux claires.

La Thermographie, qui utilise la chaleur pour voir les différences de température dans la peau, est en train d'être étudiée comme une meilleure option. L'idée est que si certaines parties de la peau sont plus froides que d'autres, ça pourrait vouloir dire qu'il y a des dommages sous la surface. Mais voilà le souci : bien que certaines recherches aient été faites, la plupart n'ont pas examiné à quel point ça fonctionne sur les peaux plus foncées.

Dans cette étude, on a essayé de s’attaquer à ce problème en créant un nouveau dataset basé sur des images thermiques et optiques d'un groupe de personnes aux teintes de peau différentes. On ne s'est pas arrêté là ; on a aussi changé la façon dont on a pris les photos. Notre but était de voir si on pouvait utiliser efficacement la thermographie pour repérer les PIs sur des peaux plus foncées.

Contexte sur les blessures de pression

Une blessure de pression, ou PI, c'est essentiellement un dommage à la peau qui apparaît quand il y a une pression constante dans une zone. Pense à rester trop longtemps assis sur une chaise dure sans bouger. Si tu es dans un lit d'hôpital, tu es sûrement à risque, surtout si tu ne peux pas beaucoup bouger. Ces blessures ne sont pas juste superficielles ; elles peuvent mener à de sérieux problèmes comme des infections, des séjours prolongés à l’hôpital, et même la mort.

Quand le personnel de santé cherche des signes d'alerte comme des rougeurs (érythème), ils vérifient généralement la température de la peau et autres facteurs. Les méthodes les plus courantes incluent l'utilisation de l'échelle de Braden et juste regarder la peau. Cependant, inspecter la peau foncée peut poser un défi, menant à des erreurs de diagnostic et à des occasions manquées pour des soins opportuns.

Le problème des vérifications visuelles

L'inspection visuelle peut être peu fiable, particulièrement pour les individus avec des teintes de peau plus foncées. Beaucoup savent que la façon dont la peau change de couleur peut varier considérablement d'une personne à l'autre. Pour ceux avec une peau plus foncée, les signes d'une PI peuvent être subtils et faciles à manquer.

Des disparités raciales peuvent se former quand certains patients ne reçoivent pas le même niveau de soin. Ce n'est pas juste un problème de patient ; c'est aussi un problème de personnel. En plus, les professionnels de santé s'appuient souvent beaucoup sur leurs compétences visuelles. Malheureusement, ces compétences ne sont pas toujours réglées pour détecter les signes précoces de PIs sur des peaux plus foncées.

La thermographie entre en jeu

C'est là que la thermographie intervient. La thermographie mesure les différences de température, qui peuvent être un signe de problème. S'il y a une blessure de pression, la température de la peau pourrait changer à cause d'un mauvais flux sanguin. Cette méthode pourrait mener à une manière plus précise de repérer des blessures sans se fier uniquement à des vérifications visuelles.

Des études antérieures ont montré que les modèles d'apprentissage profond, en particulier les réseaux de neurones convolutionnels (CNN), peuvent faire un excellent travail pour détecter les PIs à travers l'imagerie thermique. Cependant, la plupart de ces études ne se sont pas concentrées sur les peaux plus foncées ou sur d'autres méthodes d'imagerie. Donc, on voulait combler cette lacune et voir à quel point ces outils peuvent bien fonctionner dans des conditions variées.

L'étude et ses objectifs

Notre mission était claire : enquêter sur la manière dont l'imagerie thermique peut être utilisée pour détecter les PIs chez un groupe diversifié de personnes avec des teintes de peau plus foncées. Pour ce faire, on a rassemblé des images d'un groupe de 35 personnes, la plupart ayant une peau plus foncée.

On a non seulement collecté des images, mais on a aussi varié les méthodes. On a testé différentes caméras, conditions d'éclairage, poses des patients, et distances pour voir si ces facteurs avaient de l'importance. Notre but était de découvrir à quel point un CNN pouvait identifier les différences de température dans diverses conditions et teintes de peau.

Collecte de données

Notre étude impliquait 35 participants, surtout avec des peaux plus foncées. On a utilisé un colorimètre pour classer leurs teintes de peau selon une échelle spécifique. On a mis en place un environnement contrôlé pour s'assurer d'obtenir des résultats cohérents.

Les participants ont subi deux procédures principales : un protocole de refroidissement et un protocole de ventouses. Pour le refroidissement, on a placé une pierre froide sur le dos et pris des images thermiques. Pour les ventouses, on a utilisé un appareil d'aspiration pour créer des rougeurs et on a encore collecté des images thermiques.

On a pris des images sous diverses conditions pour vraiment tester le tout. L'éclairage pouvait changer, la caméra pouvait être plus proche ou plus loin, et le participant pouvait être assis ou allongé dans différentes positions. Au total, on a collecté 1680 images de refroidissement et 314 images de ventouses.

Entraînement du modèle CNN

Maintenant, on est arrivé à la partie technique. On a utilisé MobileNetV2, un type de CNN connu pour son efficacité, pour analyser les images. On l'a configuré pour aider à classifier si les images montraient des différences de température et si elles montraient des signes d'érythème (rougeurs).

Pour chaque type d'image, on a entraîné le modèle en séparant les images en ensembles d'entraînement et de test. La plupart des images ont été utilisées pour l'entraînement, tandis qu'une plus petite partie a été réservée pour tester à quel point le modèle fonctionnait. On visait à assurer l'équité entre nos différents types d'images.

Performance du modèle

On a trouvé des résultats impressionnants. Dans la tâche de refroidissement, le CNN a bien distingué entre les images froides et de contrôle. Les images thermiques (noir et blanc et couleur) ont obtenu un AUC parfait et un F1 de 1, tandis que les Images optiques ont eu 0.818 et 0.711, respectivement.

Dans la tâche d'érythème, l'imagerie thermique a également mieux performé dans l'ensemble. Le modèle CNN a montré qu'il pouvait identifier efficacement les variations de température sur des peaux plus foncées, suggérant que la thermographie pourrait être une meilleure option pour détecter les PIs par rapport aux vérifications visuelles traditionnelles.

Impact du protocole d'imagerie

Étrangement, la façon dont on a collecté les images n’a pas semblé grandement affecter les résultats du CNN. La performance est restée forte à travers différents éclairages, distances de caméra et poses des patients. Ce constat est crucial car il suggère que des protocoles d'imagerie stricts ne sont peut-être pas aussi nécessaires qu'on le pensait.

Pour les images optiques, cependant, on a remarqué certains motifs. Les meilleurs résultats sont venus quand les genoux étaient empilés ensemble et que la caméra était placée à distance. Ça nous dit que la mise en place peut significativement affecter la manière dont le modèle classe les images.

Exploration de l'impact de la teinte de peau

On a aussi examiné de plus près comment les différentes teintes de peau impactaient la performance du modèle. On a trouvé que, tandis que les images optiques performaient légèrement mieux pour une catégorie de teinte de peau particulière, les images thermiques avaient moins d'erreurs dans une catégorie de peau plus foncée. Ça suggère qu'à mesure que la teinte de peau s'assombrit, reconnaitre les changements peut devenir plus compliqué, mais l'imagerie thermique tient bon.

Conclusion et Perspectives Futur

Notre recherche met en lumière le potentiel d'utiliser la thermographie et les CNN comme outils efficaces pour détecter les PIs, surtout chez les individus avec des teintes de peau plus foncées. Le CNN a montré de bonnes promesses, même s'il y avait encore quelques couacs avec certaines catégories de peau.

Un point notable est que la thermographie n'a pas besoin de protocoles d'imagerie stricts. Cette flexibilité peut faciliter l'adoption de cette technologie par les travailleurs de la santé sans compliquer leur flux de travail.

Bien sûr, on a quelques limites. Notre groupe de participants était petit, et on a mené l'étude dans un cadre contrôlé, ce qui pourrait ne pas refléter les situations du monde réel. De plus, il faut tester sur d'autres parties du corps pour voir si l'efficacité du CNN reste la même dans d'autres zones.

À l'avenir, on vise à élargir notre groupe de participants et à explorer des contextes plus divers pour valider nos découvertes. Avec les bons ajustements, la thermographie pourrait faire une différence dans la détection des blessures de pression, améliorant finalement les soins pour tout le monde.

Pensées supplémentaires

En creusant ce sujet, on doit garder de l'humour de notre côté. Après tout, si on peut rendre la détection des blessures de pression un peu moins angoissante pour les professionnels de santé, on a déjà gagné ! Avec plus de recherches et un focus sur l'inclusion, on peut changer la donne sur les disparités présentes dans les soins de santé aujourd'hui.

Alors, la prochaine fois que tu entendras parler des blessures de pression ou de thermographie, souviens-toi : une bonne technologie peut aider à combler les gaps et rendre les soins plus équitables pour tous, un relevé de température à la fois !

Source originale

Titre: Is thermography a viable solution for detecting pressure injuries in dark skin patients?

Résumé: Pressure injury (PI) detection is challenging, especially in dark skin tones, due to the unreliability of visual inspection. Thermography has been suggested as a viable alternative as temperature differences in the skin can indicate impending tissue damage. Although deep learning models have demonstrated considerable promise toward reliably detecting PI, the existing work fails to evaluate the performance on darker skin tones and varying data collection protocols. In this paper, we introduce a new thermal and optical imaging dataset of 35 participants focused on darker skin tones where temperature differences are induced through cooling and cupping protocols. We vary the image collection process to include different cameras, lighting, patient pose, and camera distance. We compare the performance of a small convolutional neural network (CNN) trained on either the thermal or the optical images on all skin tones. Our preliminary results suggest that thermography-based CNN is robust to data collection protocols for all skin tones.

Auteurs: Miriam Asare-Baiden, Kathleen Jordan, Andrew Chung, Sharon Eve Sonenblum, Joyce C. Ho

Dernière mise à jour: 2024-11-15 00:00:00

Langue: English

Source URL: https://arxiv.org/abs/2411.10627

Source PDF: https://arxiv.org/pdf/2411.10627

Licence: https://creativecommons.org/licenses/by-nc-sa/4.0/

Changements: Ce résumé a été créé avec l'aide de l'IA et peut contenir des inexactitudes. Pour obtenir des informations précises, veuillez vous référer aux documents sources originaux dont les liens figurent ici.

Merci à arxiv pour l'utilisation de son interopérabilité en libre accès.

Articles similaires