使用先进的卷积神经网络方法,根据舌头图像揭示患者的年龄,性别和体重
Xiaoyan Li1,2, Li Li1, Jing Wei1
1Hangzhou Normal University Affiliated Hospital, Hangzhou, Zhejiang, China.
BioMed research international
|August 9, 2024
概括
这项研究使用深层卷积神经网络 (CNN) 来分析舌头图像,成功预测患者的年龄和性别. 舌头分析提供了一种新的,非侵入性的健康监测方法.
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:
- 人的舌头在医学中被认为是整体健康的潜在指标.
- 传统的诊断方法可能是侵入性的,昂贵的,或不方便患者.
研究的目的:
- 研究使用深度学习模型从舌头图像推断患者年龄,性别和体重的可行性.
- 开发一种非侵入性,准确且具有成本效益的患者健康评估方法.
主要方法:
- 利用预训练的深卷积神经网络 (CNN),特别是ResNeXt,用于图像分析.
- 在大量背舌图像数据集上训练CNN模型.
- 使用诸如皮尔森相关系数,平均绝对误差 (MAE),精度和接收器运行特征曲线 (AUC) 下的面积等指标评估模型性能.
主要成果:
- 取得了优异的年龄预测准确性 (皮尔森相关系数=0.71,MAE=8.5年).
- 在性别分类中具有很高的准确性 (80%的平均准确性,88%的AUC).
- 显示体重预测的中等准确性 (皮尔森相关系数=0.39,MAE=9.06公斤).
结论:
- 人类的舌头包含了与患者人口统计和潜在的健康状况相关的重要,可量化的信息.
- 深度CNN提供了一个强大的工具,可以从舌头图像中提取这些信息.
- 这种方法显示出对非侵入性,方便和廉价的患者健康监测和诊断的希望.
