深度自我组织的地图神经网络改善了对足部压力成像数据集不足的细分
Dan Wang1, Zairan Li1, Nilanjan Dey2
1Department of Design, Wenzhou Polytechnic, Wenzhou, China.
Network (Bristol, England)
|October 14, 2024
概括
这项研究介绍了一种新的深度自我组织地图神经网络 (LS-SOM),用于使用脚部压力成像进行定制的鞋尾设计. 该方法提高了细分的准确性,从而使鞋子持续时间优化,舒适度提高,特别是对于高血压患者来说.
科学领域:
- 生物医学工程 生物医学工程
- 计算机科学 计算机科学
- 足部医学是一门专业.
背景情况:
- 足部压力成像对于个性化生物力学至关重要.
- 现有的图像细分方法在脚部压力数据中的过度细分方面存在困难.
- 优化鞋底设计需要精确分析脚压分布.
研究的目的:
- 引入基于水平设置 (LS-SOM) 的深度自我组织地图神经网络,用于鞋底定制.
- 为了解决脚部压力图像分析中的过分细分问题.
- 通过使用先进的成像技术,提高鞋底设计的准确性和效率.
主要方法:
- 为脚部压力图像开发了一个基于域的细分模型.
- 修改了具有优化参数的域增长算法.
- 集成了一种水平集细分方法与自组织地图 (SOM) 算法.
- 使用合并和分割算法,比较了不同隐藏层 (10,15,20,30) 的 SOM.
主要成果:
- 该LS-SOM方法显著提高了像素精度和细分指标 (平均交叉组合比率,频率加权交叉组合比率,边界F1指数).
- 与现有的文献方法相比,实现了更高的性能.
- 根据脚部压力数据,证明了鞋子长度的有效定制.
结论:
- 拟议的LS-SOM方法为准确的足部压力图像细分提供了一种先进的方法.
- 通过这种方法优化了鞋尾设计,提高了穿着舒适度,特别是对于高血压患者.
- 这种技术具有个性化的鞋类和改善足部健康管理的潜力.
