GA-TongueNet:使用创新的DiFP和MDi进行稳定的概括能力的舌头图像细分网络
Zhiyu Dong1, Le Zhao1, Yajun Fan1
1College of Information Science and Engineering, Henan University of Technology, Zhengzhou, China.
Frontiers in physiology
|July 9, 2025
概括
一个新的AI模型,GA-TongueNet,改善了用于传统中医诊断的舌头图像细分. 它甚至在有限的数据和复杂的背景下实现了高精度和稳定的概括.
科学领域:
- 计算机辅助诊断是一种计算机辅助的诊断.
- 医学成像分析分析 医学成像分析
- 传统中国医学 (TCM) 是一种
背景情况:
- 在TCM中,舌头诊断对于内部器官的评估至关重要.
- 精确的舌头图像细分对于计算机辅助诊断至关重要.
- 目前的算法与小样本大小和复杂的背景作斗争,限制了实用性.
研究的目的:
- 开发一个强大的舌头细分网络,具有强大的概括能力和准确性.
- 在小样本和各种背景场景中解决现有算法的局限性.
主要方法:
- 拟议的GA-TongueNet是一个基于变压器的网络,包含扩展特征金字塔 (DiFP) 和多扩展卷积 (MDi) 模块.
- DiFP模块捕获了全球结构和本地细节.
- MDi模块保留了高特征分辨率,可以捕获远程依赖关系和语义内容,同时保留低级别的细节.
主要成果:
- 与现有的CNN和基于变压器的语义细分算法相比,GA-TongueNet表现出卓越的准确性和概括性.
- 该网络即使在有限的样本大小和复杂的成像条件下也保持了精度和稳定性.
- 实验结果验证了拟议的DiFP和MDi模块的有效性.
结论:
- GA-TongueNet为计算机辅助TCM诊断提供了在舌头图像细分方面的重大进步.
- 拟议的架构有效地应对小样本大小和复杂背景的挑战.
- 这种方法提高了自动化舌头诊断系统的实用性和可靠性.
