基于卷积神经网络的显微镜图像对传统中国药物的识别算法的研究
Yiyi Ma1, Yanmei Zhong, Qin Su
1The Institute of Digital Medical, School of Intelligent Medicine, Chengdu University of Traditional Chinese Medicine, Chengdu, China.
Medicine
|June 23, 2023
概括
卷积神经网络 (CNN) 提高了传统中医药 (TCM) 粉末识别的准确性. 谷歌LeNet模型实现了97.50%的准确性,提高了TCM产品的质量控制.
科学领域:
- 药理学是指药理学,它是指药理学.
- 计算机科学 计算机科学
- 人工智能的人工智能
背景情况:
- 具有高度相似性的药物原料的传统识别是主观的,并影响产品质量.
- 开发客观和准确的方法来识别传统中医药 (TCM) 对于确保草药和专利药品的质量至关重要.
研究的目的:
- 开发和评估基于卷积神经网络 (CNN) 的算法,用于使用显微镜图像对TCM粉末的客观和准确识别.
- 为了提高TCM粉末显微镜图像识别的准确性和客观性.
主要方法:
- 构建四种TCM粉末的显微镜图像数据集:树脂,大脑皮层Magnoliae Officinalis,皮层Phellodendri Chinensis和皮层Cinnamomi.
- 在400张显微镜图像的数据集上训练和测试四个CNN模型 (AlexNet,VGGNet-16,VGGNet-19和GoogLeNet).
主要成果:
- 谷歌LeNet模型实现了最高的平均识别准确率97.50%.
- VGGNet-16和VGGNet-19模型的平均准确率为95.75%,而AlexNet模型的准确率为93.50%.
- 该研究证明了CNN模型在基于微观特征的TCM粉末分类方面的有效性.
结论:
- 由于其高分类准确度,GoogLeNet模型是实时识别的最佳选择.
- 应用CNN简化了TCM识别操作,提高了测量准确性,并提高了可重复性.
- 这种人工智能驱动的方法提高了中国草药产品的质量控制.
