糖尿病足溃疡（DFUS）对于糖尿病患者来说是严重的并发症。为了实现现有溃疡的早期诊断，预防溃疡和并发症管理，可以通过自我管理来大大改善DFU患者的护理。在本文中，我们研究了两类图像到图像翻译技术（ITITT），这些技术将支持糖尿病足溃疡的决策和监测：降噪和超分辨率。在前一种情况下，我们调查了消除噪声的功能，用于卷积神经网络堆叠的AutoCoders（CNN-SAE）。在用高斯噪声诱导的RGB图像上测试了CNN-SAE。后一种情况涉及部署四个深度学习超分辨率模型。对于两种情况，所有模型的性能均以执行时间和感知质量进行评估。结果表明，应用技术组成了可行且易于实现的替代方案，该替代方案应由设计用于DFU监视的任何系统使用。
translated by 谷歌翻译