热时间常数基于CNN的光谱仪用于生物医学应用
Maria Strąkowska1, Michał Strzelecki1
1Institute of Electronics, Lodz University of Technology, 93-590 Lodz, Poland.
Sensors (Basel, Switzerland)
|August 12, 2023
概括
这项研究引入了一种深度学习方法,从温度数据中提取热时间常数,从而能够检测皮肤疾病. 该方法准确地识别了用于医学诊断的热性质.
科学领域:
- 生物医学工程 生物医学工程
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 准确的热性能估计对于诊断皮肤疾病至关重要.
- 分析热数据的传统方法可能是复杂和耗时的.
研究的目的:
- 开发一种新的深度学习方法来恢复热时间常数.
- 为了利用这些常数来对皮肤状态的病理检测.
主要方法:
- 用一个卷积神经网络 (CNN) 来建模热系统作为福斯特网络.
- 美国有线电视新闻网 (CNN) 学会从温度-时间曲线中检索时间常数和振幅.
- 该方法使用模拟数据和真实温度信号进行了验证.
主要成果:
- 深度学习系统准确地估计了热时间常数和温度概况.
- 恢复的时间常数误差在理想数据下低于1%,在噪声信号下低于5%.
- 该方法在分析牛皮患者的热图数据方面表现出有效性.
结论:
- 拟议的基于CNN的方法提供了一种强大而准确的方法来提取热参数.
- 这种技术显示出使用热成像进行非侵入性皮肤疾病诊断的巨大潜力.
- 这些发现支持在医疗应用的定量热分析中使用AI.
更多相关视频
07:55High-speed Continuous-wave Stimulated Brillouin Scattering Spectrometer for Material Analysis
Published on: September 22, 2017
10.2K
06:06A Simple Dewar/Cryostat for Thermally Equilibrating Samples at Known Temperatures for Accurate Cryogenic Luminescence Measurements
Published on: July 19, 2016
9.6K
