针机器人手部针点和反射区的同时多式检测

科学领域:

• 生物医学工程 生物医学工程
• 人工智能在医学中的应用
• 传统中国医学 (TCM) 是一种

背景情况:

• 针在中医疗中的有效性受到标准化和精度方面的挑战的限制.
• 实践者的专业知识显著影响针的结果.
• 目前的系统缺乏自动化TCM疗法所需的精度.

研究的目的:

• 为智能针机器人开发一种多式多任务深度学习框架 (MIMO-HAR).
• 为了实现手部针点的同时定位和反射区的细分.
• 为了提高自动针系统的准确性和可解释性.

主要方法:

• 视觉变压器与TCM拓事先知识的整合.
• 一个双解码器架构处理融合视觉和坐标数据.
• 使用公开的11k Hands数据集进行评估.

主要成果:

• 实现了反射区细分的0.7267的平均交叉与联合.
• 获得了 10.33 像素的平方根平均误差,用于针点定位.
• 与已建立的基线模型相比,表现出优越的性能.

结论:

• MIMO-HAR框架为智能针系统提供了强大的和可解释的解决方案.
• 这一进步支持TCM疗法的标准化和自动化.
• 这项研究为未来的自动化TCM应用奠定了关键基础.