语言特征数据集的构建和实时检测
Wen-Hsien Chang1, Chih-Chieh Chen2, Han-Kuei Wu3,4
1Graduate Institute of Chinese Medicine, School of Chinese Medicine, College of Chinese Medicine, China Medical University, Taichung, Taiwan, Republic of China.
PloS one
|March 7, 2024
概括
这项研究开发了一种使用深度学习进行传统中医 (TCM) 舌头诊断的自动化系统. 人工智能模型准确地实时检测舌头特征,提高诊断效率和一致性.
科学领域:
- 综合医学是一个整体的医学.
- 医疗保健中的人工智能
- 医学成像分析 医学成像分析
背景情况:
- 传统中医 (TCM) 舌头诊断提供客观的临床见解.
- 目前的手动口译是耗时且主观的.
- 自动化系统可以提高TCM诊断的效率和一致性.
研究的目的:
- 开发一种用于舌头特征检测的自动深度学习系统.
- 为了加快和标准化TCM舌头诊断.
- 为临床使用创建一个可解释和直观的AI模型.
主要方法:
- 收集并手动注释的舌头图像,具有裂和涂层等特征.
- 使用注释数据训练了一个深度学习对象检测模型.
- 验证了模型的实时检测能力.
主要成果:
- 创建了一个高质量的注释语言特征数据集.
- 获得的平均精度为47.67% (裂),58.94% (牙痕迹) 和71.25% (厚黄色涂层).
- 在40 FPS以上的实时舌头特征检测.
结论:
- 成功开发了一种用于实时语言特征本地化的深度学习模型.
- 该模型提供了可解释性和直观性,解决了典型神经网络的局限性.
- 该系统显示了在TCM中临床应用的显著可行性.


