一种基于改进的TransUNet的新型舌膜涂层细分方法
Jiaze Wu1, Zijian Li1, Yiheng Cai2
1School of Traditional Chinese Medicine, Beijing University of Chinese Medicine, Beijing 102488, China.
Sensors (Basel, Switzerland)
|July 27, 2024
概括
这项研究引入了改进的TransUNet模型,用于精确的舌头涂层细分,用于智能舌头诊断. 该模型提高了准确性和细节性,帮助自动诊断系统.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 计算生物学 计算生物学
背景情况:
- 舌头涂层分析对于诊断各种健康疾病至关重要.
- 自动化舌头诊断需要精确细分舌头涂层.
- 当前的方法在细分复杂的舌头涂层特征方面面临挑战.
研究的目的:
- 为复杂的舌头涂层细分开发先进的神经网络.
- 提高智能舌头诊断系统的准确性和自动化.
主要方法:
- 开发了一种改进的TransUNet模型,其中包括用于自我注意的变压器.
- 减法特征金字塔 (SFP) 和视觉区域增强器 (VRE) 被集成.
- 这些增强旨在捕获语义信息,并改进低层特征中的空间细节.
主要成果:
- 提出的模型实现了高性能指标:96.36%的准确性,96.26%的精度,96.76%的子得分,97.43%的回忆和93.81%的IOU.
- 与参考模型相比,比较和废除研究证实了优越的细分.
结论:
- 改进的TransUNet模型提供了复杂的舌头图像的精确细分.
- 这种技术有效地自动提取舌头涂层,提高诊断准确度.


