相关实验视频
Updated: Jun 19, 2026
13:19
Deep Neural Networks for Image-Based Dietary Assessment
Published on: March 13, 2021
9.9K
先进的深度功能工程与鱼优化用于糖尿病检测使用舌头图像
Ghada Moh Samir Elhessewi1, Mukhtar Ghaleb2, Hany Mahgoub3
1Department of Health Sciences, College of Health and Rehabilitation Sciences, Princess Nourah Bint Abdulrahman University, P.O. Box 84428, 11671, Riyadh, Saudi Arabia.
Scientific reports
|September 29, 2025
概括
一种新的深度学习技术使用舌头图像准确检测糖尿病 (DM),为传统血液检测提供了一个非侵入性的替代方案. 这种方法达到96.91%的准确性,改善了早期疾病预测.
科学领域:
- 生物医学成像学 生物医学成像学
- 医学诊断 医学诊断 医学诊断
- 医疗保健中的人工智能
背景情况:
- 糖尿病是一种严重的代谢疾病,需要早期的,非侵入性的诊断方法.
- 目前的诊断方法,如禁食血葡萄糖,是侵入性的和耗时的.
- 舌头图像分析为DM检测提供了一个有希望的非侵入性途径.
研究的目的:
- 开发一种准确的,非侵入性的方法,用舌头成像检测糖尿病.
- 通过舌头图像分析 (DFECO-DDTIA) 技术引入深度特征工程与鱼优化,以准确检测糖尿病疾病.
- 通过先进的图像分析和优化,提高糖尿病诊断的准确性和效率.
主要方法:
- 使用升级加权中间波器 (Up-WMF) 进行图像预处理,以减少噪声.
- 通过挤压激发DenseNet (SE-DenseNet) 进行特征提取.
- 使用时间卷积网络 (TCN) 和超参数调和鱼优化算法 (COA) 的分类.
主要成果:
- 在舌头图像中,DFECO-DDTIA技术在糖尿病检测方面取得了96.91%的高精度.
- 与现有的诊断模型相比,该方法显示出更高的性能.
- 图像质量提升和优化特征提取有助于提高诊断准确度.
结论:
- 该DFECO-DDTIA技术提供了一个非常准确和非侵入性的方法,用于糖尿病诊断.
- 深度学习和优化算法显示了生物医学成像在疾病检测方面的巨大潜力.
- 这项研究强调了舌头图像分析在早期糖尿病预测中的有效性.
