基于深度学习的传统中医的图像识别
Junfeng Miao1, Yanan Huang2, Zhaoshun Wang1
1School of Computer and Communication Engineering, University of Science and Technology Beijing, Beijing, China.
Frontiers in bioengineering and biotechnology
|August 7, 2023
概括
这项研究引入了改进的ConvNeXt深度学习模型,用于准确识别中国草药. 改进的模型通过正确分类传统中医药 (TCM) 和其产品来确保患者的安全.
科学领域:
- 综合医学是一个整体的医学.
- 计算生物学 计算生物学
- 药理学是指药理学,即药理学是指药理学.
背景情况:
- 传统中医 (TCM) 和草药是医疗保健的组成部分,对中国草药的准确识别对患者安全至关重要.
- 深度学习 (DL) 在图像分类方面显示出巨大的潜力,为TCM识别和产品分类提供了一种新的方法.
研究的目的:
- 开发和评估一个改进的深度学习模型,用于准确地分类和识别中国传统医学 (TCM).
- 通过将ConvNeXt与ACMix网络集成来增强TCM分类的特征提取能力.
主要方法:
- 利用改进的ConvNeXt网络架构,将其与ACMix网络融合,以在TCM分类中增强特征提取.
- 采用数据处理和数据增强技术来扩大样本大小,提高概括性,并提高特征提取能力.
- 建立了TCM分类模型,并比较了不同网络深度的性能,以优化效率和准确性.
主要成果:
- 开发的传统中医药分类模型取得了良好的识别结果,证明了有效的识别能力.
- ConvNeXt与ACMix网络的融合改善了TCM分类的特征提取性能.
- 数据增强和处理技术增强了模型的概括能力和特征提取.
结论:
- 改进的ConvNeXt网络,增强了ACMix,为准确识别和分类传统中医 (TCM) 提供了有效的深度学习方法.
- 该研究验证了拟议模型在确保正确使用中国草药方面的有效性,为综合医学方法的患者安全做出了贡献.
