舌头特征识别来监控康复:深度神经网络与视觉注意力机制
Zhengheng Yi1,2,3, Xinsheng Lai2,3, Aining Sun4
1Shenzhen Fuyong People's Hospital, Shenzhen, China.
Frontiers in bioengineering and biotechnology
|May 24, 2024
概括
一个新的深度学习模型,TGANet (语言特征注意网络),有效地对语言特征进行分类. 这种人工智能工具通过专注于关键图像区域并减少过度拟合,提高了传统中医的诊断准确性.
科学领域:
- 人工智能的人工智能
- 医疗成像医学成像
- 传统中国医药 传统中国医药
背景情况:
- 像VGG和ResNet这样的深度学习模型面临着大尺寸和医疗图像分析过度拟合的挑战.
- 精确的舌头特征识别对于传统中医 (TCM) 的诊断和康复至关重要.
研究的目的:
- 开发一种新的深度学习架构,用于精确分析和分类舌头特征 (颜色,形状,涂层).
- 为了减轻传统深度学习架构中固有的过度拟合和模型大小问题.
主要方法:
- 引入TGANet (舌头特征注意网络),使用预训练的VGG16骨干.
- 整合注意力机制以模仿人类认知对关键图像区域的关注.
- 在学习解释模型决策中的因果关系时注意力权重的分配.
主要成果:
- 在准确性,精度,F1评分和AUC方面,TGANet在基线模型 (VGG16,ResNet18,TSC-WNet) 上表现优越.
- 注意力权重的可视化为模型的分类过程提供了直观的见解.
- 该模型有效地解决了过度装配和尺寸挑战.
结论:
- TGANet为舌头特征分类提供了一个有效和可解释的解决方案.
- 注意力机制提高了模型性能和决策透明度.
- 在TCM中,TGANet对推进舌头诊断和患者康复有前途.
