基于CNN的舌头图像颜色校正的深度回归模型
Xiyuan Cao1, Delong Zhang1, Chunyang Jin1
1State Key Laboratory of Extreme Environment Optoelectronic Dynamic Testing Technology and Instrument, North University of China, Taiyuan 030051, China.
Journal of imaging
|November 26, 2025
概括
一个新的卷积神经网络TococoNet有效地纠正了舌头图像中的色彩偏差. 这种深度学习模型通过恢复医学成像中的真实颜色来提高诊断准确性.
科学领域:
- 医疗成像医学成像
- 计算机视觉 计算机视觉
- 人工智能的人工智能
背景情况:
- 图像的颜色真实性因不同的观看条件而受到损害,导致视觉不一致.
- 深度学习为图像处理和优化挑战提供先进的解决方案.
研究的目的:
- 介绍TococoNet (舌色校正网络),一种新的回归模型,用于消除舌头图像中的色彩偏差.
- 评估TococoNet在诊断应用中的色彩校正方面的有效性.
主要方法:
- 开发了一个卷积神经网络 (CNN) 模型,TococoNet,具有对称的编码解码器U-Blocks和M-Block用于功能融合.
- 使用模拟的常见偏差颜色训练模型,并进行随机颜色偏差的校正实验.
- 使用图像质量指标和颜色距离 (ΔE) 来评估校正性能.
主要成果:
- 与传统算法和浅层网络相比,TococoNet表现出优异的色彩校正.
- 在随机颜色造的舌头图像中,达到了高达84%的校正效率 (ΔE).
- 在实际拍摄的图像中,最大 ΔE 从 30.38 显著降低到 6.05.
结论:
- 托科科网对舌头图像具有出色的色彩校正功能.
- 该模型显示了临床辅助和自动舌头诊断的有希望的潜力.
