研究基于深度学习的中风患者的舌头特征多标识识别的研究

科学领域:

• 医疗信息学 医疗信息学
• 医疗保健中的人工智能
• 传统中国医学 诊断 诊断 诊断

背景情况:

• 在全球范围内,中风是导致成人残疾的主要原因,需要有效的康复.
• 准确评估中风患者的身体特征对于成功康复至关重要.
• 传统中医 (TCM) 舌头诊断是可访问的,但主观的,特别是对于具有独特舌头特征的中风患者.

研究的目的:

• 开发基于深度学习的自动识别系统来识别中风患者的舌头图像.
• 为了提高提取和识别中风相关舌头特征的准确性.
• 为评估中风康复提供一个客观和自动化的工具.

主要方法:

• 包括剪切和数据增强在内的图像处理技术应用于舌头图像.
• 一个以标签为导向的多标签识别模型被设计用于分析舌头颜色,涂层颜色和涂层纹理.
• 该模型提取特征,学习特征之间的相关性,并对关键的舌头特征进行分类.

主要成果:

• 拟议的深度学习模型与ResNet和DenseNet等先进模型相比,表现优越.
• 该模型在识别中风患者舌头图像方面超过了现有的单任务舌头分类模型.
• 定量评估证实了该模型在自动特征提取和识别方面的有效性.

结论:

• 深度学习方法在康复期间显著改善了识别中风相关的舌头特征.
• 这项研究为中风康复中实时评估和诊断提供了方便和可行的技术解决方案.
• 该研究具有实质性的临床应用价值和对中风恢复的研究意义.