Development of an AI-Based Smart Gauze Monitoring System for Inflammatory and Immune Response Assessment Using Wound Image Analysis

상처 이미지 분석을 활용한 염증·면역 반응 고려 AI 기반 스마트 거즈 모니터링 시스템 개발

This study aimed to develop an AI-based smart gauze system that assists wound monitoring by combining temperature, humidity, pressure, and wound image information. Biological environmental data were collected using Arduino UNO, DHT22, FSR406, HC-05 Bluetooth modules, and an App Inventor-based mobile application. In addition, U-Net-based wound area and tissue segmentation models were trained using Kaggle wound segmentation data and DFUTissueSegNet data. The wound area segmentation model achieved a Dice score of 0.792, while the tissue segmentation model showed Dice scores of 0.492 for Class 1, 0.916 for Class 2, 0.665 for Class 3, and an average Dice score of 0.691. A rule-based decision process combining image analysis results and sensor summary values classified normal recovery tendency, management-needed status, and suspected infection status. This system may support wound status monitoring and medical staff confirmation.

본 연구는 상처 부위의 온도·습도·압력 변화와 상처 이미지 정보를 함께 활용하여 상처 상태를 보조적으로 모니터링할 수 있는 AI 기반 스마트 거즈 시스템을 개발하고자 하였다. Arduino UNO, DHT22, FSR406, HC-05 블루투스 모듈과 App Inventor 기반 모바일 앱을 이용하여 생체환경 데이터를 수집하였고, Kaggle 상처 분할 데이터와 DFUTissueSegNet 데이터를 활용하여 U-Net 기반 상처 영역 및 조직 분할 모델을 학습하였다. 분석 결과, 상처 영역 분할 모델은 Dice score 0.792를 보였으며, 조직 분할 모델은 Class 1 0.492, Class 2 0.916, Class 3 0.665, 평균 0.691의 Dice score를 나타냈다. 또한 이미지 분석 결과와 센서 요약값을 결합한 rule-based 판단 과정을 통해 정상 회복 경향, 관리 필요, 감염 의심 상태를 구분하였다. 본 연구는 상처 상태 변화 확인과 의료진 확인 필요성을 보조하는 초기 시스템으로 활용 가능성이 있다.