反对训练的RTMpose:一种高性能,非接触式的方法,用于检测青少年中的Genu valgum
Shichun He1, Meiqi Wei1, Deyu Meng1
1Division of Computational Biology, Chinese Center of Exercise Epidemiology, Northeast Normal University, Renmin Street, Changchun, 130024, Jilin, China.
Computers in biology and medicine
|October 9, 2024
概括
一个新的人工智能模型使用图像准确地检测青少年的真实性 (GV),为传统方法提供了更安全,更便宜的替代方案. 反对训练提高了地标准确性,提高了诊断性能.
科学领域:
- 生物医学工程 生物医学工程
- 计算机视觉 计算机视觉
- 整形外科 整形外科 整形外科
背景情况:
- 腰 (Genu valgum,简称GV) 是一种常见的青少年姿势形.
- 传统的诊断方法是复杂的,昂贵的,并且涉及辐射.
- 需要易于使用的,非侵入性的诊断工具.
研究的目的:
- 开发一种准确的,非接触式的方法来诊断青少年的真.
- 提高对地标不准确性的姿势估计模型的稳定性.
- 建立一个具有成本效益和无辐射的诊断替代方案.
主要方法:
- 收集了来自1519名中国青少年的GV注释.
- 开发了一个端到端的GV预测模型,使用RTMpose进行地标提取.
- 实施对抗性培训,以提高对噪音基准数据的模型稳定性.
主要成果:
- 开发的模型在GV预测中实现了75%的准确性.
- 这比基线模型 (64.25%准确度) 显著改进.
- 反对训练有效地减轻了里程碑式的不准确性.
结论:
- 基于RTMpose的模型与对抗训练是一种高性能,非接触的GV检测方法.
- 对抗训练在改善医疗成像的里程碑相关任务方面是有效的.
- 这种方法为青少年真实诊断提供了更安全,更具成本效益的替代方案.
