相关实验视频
Updated: May 12, 2026

13:19
Deep Neural Networks for Image-Based Dietary Assessment
Published on: March 13, 2021
9.0K
利用智能图像处理技术,利用深度学习网络早期检测足.
1School of Computing, DIT University, Dehradun, India.
Polish journal of radiology
|August 14, 2024
概括
这项研究开发了一种深度学习模型,用于使用热成像检测糖尿病脚. 拟议的模型实现了高精度,为糖尿病足并发症的早期诊断和管理提供了实用解决方案.
科学领域:
- 医学成像医学成像
- 人工智能的人工智能是人工智能.
- 糖尿病学 糖尿病学
背景情况:
- 糖尿病足是糖尿病的一个重要并发症,导致严重的发病率.
- 早期检测对于有效管理和预防截肢至关重要.
- 热成像为评估足部健康提供了一种非侵入性方法.
研究的目的:
- 开发和评估一种深度学习模型,用于使用热图来检测糖尿病足.
- 将拟议模型的性能与现有方法进行比较.
主要方法:
- 使用了1055张足部热图像 (正常和异常) 的数据集.
- 图像使用Cannie边缘检测和流域细分进行了预处理.
- 应用了数据增强来平衡和扩大数据集.
- 进行了深度学习模型 (ResNet50和EfficientNetB0) 的训练和测试.
主要成果:
- EfficientNetB0模型在原始数据集上达到96.1%的准确性,在预处理数据集上达到99.4%的准确性.
- 在原始和预处理数据集上,ResNet50的准确度分别为89%和89.1%.
- 预处理提高了模型性能,降低了计算成本.
结论:
- 开发的深度学习模型在从热图片中检测糖尿病脚方面表现出高效.
- 这些模型为早期检测提供了实用,自动化的解决方案,特别是在专家分析有限的地方.
- 拟议的方法显示了在糖尿病护理中实际临床应用的巨大潜力.

