【作者姓名】：

张旭¹⁺、许巍²⁺、徐征³、唐海谊²、焦雪萍⁴、李克峰²*、王志稳¹*

【作者单位】：

¹ 北京大学护理学院

² 澳门理工大学应用科学学院

³ 北京大学第一医院 胃肠外科

⁴ 山西省肿瘤医院 胃肠外科

⁺ 共同第一作者

*通讯作者

摘要
背景: 刺激性皮炎是造口患者中常见的并发症，显著影响患者的生活质量。早期诊断至关重要，但由于医疗资源有限和自我管理能力较差，治疗往往被延误。本研究旨在评估两种先进的卷积神经网络（CNNs），ConvNeXt 和 MobileViT，利用智能手机获取的造口图像进行刺激性皮炎的智能诊断效果。

方法: 本研究为回顾性观察性研究，收集了来自中国五家三级医院的825张造口并发症图像。使用重采样和增强等数据预处理技术对数据集进行预处理。基于准确率、精确度、召回率和F1分数对ConvNeXt和MobileViT模型进行了训练和评估。同时还调整了优化器和学习率，以评估模型性能。

结果: ConvNeXt表现优异，使用Adam优化器和0.001学习率时，准确率为71.4%，精确度为73.6%，召回率为67.1%，F1分数为70.2%。尽管MobileViT更为轻量化，但其表现未能超越ConvNeXt，最高准确率为64.4%。ConvNeXt在诊断刺激性皮炎和正常造口状况时表现优异，但在识别其他并发症方面存在一定局限。

结论: ConvNeXt模型的表现优于MobileViT，表明卷积神经网络可以有效地辅助造口患者早期诊断刺激性皮炎。这将有助于减轻医疗资源负担，并通过可访问的基于移动设备的诊断工具改善患者的治疗结果。