摘要目的:基于深度学习技术和计算机语言设计烧烫伤创面深度智能检测模型并予以测试，验证该模型对烧烫伤创面图像检测的有效性及准确性。方法:收集2022年1月至2024年2月在上海交通大学医学院附属瑞金医院烧伤整形科接受治疗且符合入选标准的烧烫伤患者伤后48 h内创面照片共492张，重置照片顺序并编号。由两名执业3年以上的副主任医师采用图像标注工具LabelMe对照片中的目标创面进行标记并判定其严重程度，严重程度分为Ⅰ度、Ⅱ度和Ⅲ度。采用图像处理技术扩充数据集至2 952张，按照7∶2∶1比例划分为训练集、验证集及测试集。在Python 3.10.0版本下，提出并构建基于深度学习的烧烫伤创面深度智能检测模型P-YOLO，通过多批次训练调整并优化网络参数。经过测试得到该模型在数据集上的各项指标参数，如查准率、召回率以及在不同交并比(IoU)下的平均精度均值等，根据实验结果绘制出相应的F1指数曲线和混淆矩阵。结果:(1)经测试，所设计的P-YOLO智能检测模型对Ⅰ度、Ⅱ度和Ⅲ度烧烫伤创面识别的查准率分别为0.962、0.931及0.886，召回率分别为0.849、0.828及0.857，F1指数分别为0.902、0.876及0.871。(2)混淆矩阵显示，P-YOLO模型检测Ⅰ度、Ⅱ度和Ⅲ度烧烫伤创面的准确度分别为0.86、0.87及0.91。(3)当IoU阈值为0.5时，P-YOLO模型检测Ⅰ度、Ⅱ度和Ⅲ度烧烫伤创面的平均精度均值为0.893、0.885及0.838。在所有类别创面中，P-YOLO模型检测的平均精度均值为0.872。(4)与Faster R-CNN、YOLOv5及YOLOv7检测模型相比，P-YOLO模型具有最高的平均精度均值，检测效果最优。结论:基于深度学习的智能检测模型P-YOLO整体检测准确率和可靠性较高，能够提高烧伤科医师对烧烫伤创面深度的诊断准确度和效率。