S5Utis:结构化状态空间序列 SegNeXt UNet-like 舌头图像分割在传统中国医学中
Donglei Song1, Hongda Zhang2, Lida Shi2
1College of Computer Science and Technology, Jilin University, Changchun 130012, China.
Sensors (Basel, Switzerland)
|July 13, 2024
概括
这项研究引入了一个新的舌头图像细分算法,用于智能传统中医. 它通过在现实环境中有效处理智能手机图像来提高诊断准确性.
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:
- 智能传统中医 (TCM) 提供方便的日常医疗保健和健康管理.
- 舌头成像对于TCM诊断至关重要,但随着智能手机图像质量的变化,细分具有挑战性.
- 现有的算法与复杂的现实环境和各种成像条件作斗争.
研究的目的:
- 为智能TCM开发一个先进的舌头图像细分算法.
- 在复杂,多设备和多用户环境中解决当前方法的局限性.
- 通过使用智能手机捕获的图像来提高TCM诊断的准确性和可靠性.
主要方法:
- 提出了一个新的细分算法,在编码器中结合了卷积注意力和2D扩展状态空间模型.
- 在解码器中实现了跨层连接融合,以集成浅层纹理和深层语义特征.
- 在现实场景中使用患者和医生收集的舌头图像数据集验证了算法.
主要成果:
- 拟议的算法在舌头图像细分性能和准确性方面取得了显著的改进.
- 成功应对来自不同设备和用户的图像大小和质量的变化所带来的挑战.
- 与复杂环境中的现有方法相比,实现了优异的细分结果.
结论:
- 开发的算法通过实现强大的舌头图像分割来提高智能TCM的可行性.
- 这一进步支持远程诊断和增加患者参与医疗保健.
- 该方法有望提高人工智能驱动的TCM的整体有效性.
