在二维手图中准确的针点定位:评估HRNet和ResNet架构以提高检测性能

科学领域:

• 计算机视觉 计算机视觉
• 医疗成像医学成像
• 韩国传统医学 韩国传统医学

背景情况:

• 准确的针点定位对于有效的针治疗至关重要.
• 韩国传统医学严重依赖于精确的针点识别.
• 自动针治疗需要强大的针点检测方法.

研究的目的:

• 评估HRNet和ResNet深度学习架构用于手针点定位的性能.
• 为了提高韩国传统医学中针点检测的准确性.
• 探索先进的深度学习模型在提高针治疗疗效方面的潜力.

主要方法:

• 对象检测模型YOLOv3,YOLOF和YOLOX-s被使用在一个自上而下的框架内.
• 人力资源网络和ResNet架构在本地化手部针点的精度方面进行了比较.
• 模型在技术人员注释的数据集上进行训练和测试,在特定的IOU值下以平均精度测量性能.

主要成果:

• 与ResNet相比,HRNet在各种针点的平均距离误差明显较低.
• HRNet-w48模型实现了比包括医学专家在内的人类注释者更高的本地化准确性.
• 在256x256像素分辨率下,性能尤其显著.

结论:

• HRNet在针点定位方面表现出卓越的性能,这表明它有可能提高针精度和疗效.
• 机器学习,特别是像HRNet这样的深度学习模型,在推进传统医疗实践方面显示出前景.
• 准确的针点定位是成功临床针和自动化治疗系统的关键因素.