爪を基準とした創傷サイズ測定における深層学習の応用
カテゴリ：手術支援
公開日：2026年2月19日
タイトル：Application of deep learning in wound size measurement using fingernail as the reference.
雑誌名：BMC Med Inform Decis Mak. 2024 Dec 18; 24(1): 390.
概 要：
本研究は、手動での創傷トレースや参照マーカーを必要とせず、爪を基準にした自動創傷サイズ測定システムを提案します。慢性創傷ケアは、患者や介護者がこれらのデバイスを使用するのが難しい場合が多いため、より人間中心のデザインを考慮しました。3つの深層学習モデルを組み合わせて、創傷のサイズを自動的に測定するシステムを開発しました。
方 法：
本研究では、Mask R-CNN、Yolov5、U-netの3つの深層学習モデルを使用し、慢性創傷と爪の写真を用いて訓練・テストを行いました。爪の幅はMask R-CNNとYolov5を使用して背景から創傷を切り出し、U-netで創傷面積を計算することで取得しました。248枚の画像を用いてシステムの効果と精度を評価し、30人の参加者によるユーザー体験分析も実施しました。
結 果：
各モデルの訓練により、爪の幅測定において0.939のピアソン相関係数（PCC）を達成しました。Yolov5は平均適合率0.822で最も高い性能を示し、U-netは平均ピクセル精度0.9523を達成しました。提案したシステムは、テストデータセットにおいて爪を100%、創傷を97.76%認識しました。爪の幅を測定幅に変換する際のPCCはそれぞれ0.875と0.759でした。未経験の介護者の大多数は、サイズ測定ツールの使用において利便性が最も重要であると考え、提案したシステムは利便性と全体評価において90%の満足度を得ました。
結 論：
提案したシステムは、迅速かつ使いやすい創傷サイズ測定を実現し、許容できる精度を持っています。この新しいシステムは、在宅ケアや未経験の介護者にとっての利便性を提供し、臨床治療や文書化を促進し、遠隔医療を支援する可能性があります。