使用人工智能算法和机器学习分析生物净化方法 (治疗性排放,称为"瓦玛纳卡玛"):混合方法研究协议

科学领域:

• 艾尔韦达医学是一种医药.
• 人工智能的人工智能
• 数字健康数字健康

背景情况:

• 治疗性吐 (vamana karma) 是一种古典的阿育吠陀解毒方法.
• 目前的评估依赖于医生的主观视觉评估,导致变化.
• 人类错误和错过的观测可能会在监测过程中发生.

研究的目的:

• 开发和验证人工智能辅助的数字框架,用于客观评估治疗性吐.
• 该框架旨在自动检测吐,内容分类和监控患者手势.
• 为确定排毒类型和术后饮食建议提供数据驱动的方法.

主要方法:

• 一项三阶段研究,涉及数据收集标准操作程序的开发.
• 使用Python库 (scikit-learn,TensorFlow) 检测到的吐事件的数据注释.
• 使用机器学习指标和Fleiss κ统计数据进行模型性能评估,以获得专家协议.

主要成果:

• 数据收集完成,正在进行注释和初步模型准备.
• 最终测试和验证预计将于2025年12月完成.
• 在医疗保健机构进行外部测试计划于2026年2月.

结论:

• 这项研究开创了深度学习的应用,用于对阿育吠陀治疗吐的客观分析.
• 人工智能框架结合了YOLOv9和残余神经网络,用于准确的自动吐识别.
• 需要进一步的临床验证才能在传统医学中真正部署人工智能.