基于深度学习的耳部穴区自动分割方法 |
| |
引用本文: | 高枕岳,贾世瑾,李青峰,芦东昕,张森,肖文栋.基于深度学习的耳部穴区自动分割方法[J].生物医学工程学杂志,2024(1):114-120. |
| |
作者姓名: | 高枕岳 贾世瑾 李青峰 芦东昕 张森 肖文栋 |
| |
作者单位: | 1. 北京科技大学自动化学院;2. 北京科技大学北京市工业波普成像工程技术研究中心;3. 北京科技大学顺德创新学院;4. 杭州师范大学移动健康管理系统教育部工程研究中心 |
| |
基金项目: | 国家自然科学基金项目(62173032); |
| |
摘 要: | 耳部穴区的自动分割是实现智能化耳穴疗法的基础。然而,由于耳部穴区较多,且缺乏清晰的边界特征,现有方案在自动分割耳穴时面临着挑战。因此,需要一种快速准确的耳部穴区自动分割方法。本研究提出了一种基于深度学习的耳部穴区自动分割方法,主要包含耳部轮廓检测、解剖部位分割及关键点估计和图像后处理三个阶段。本文还提出了K-YOLACT以提升解剖部位分割及关键点定位的运行效率。实验结果表明,所提出的方法实现了对耳部正面图像内66个穴区的自动分割,分割效果优于现有方案。同时K-YOLACT方法的解剖部位分割的平均精度均值(mAP)为83.2%,关键点定位平均精度均值为98.1%,且运行效率明显提升。该方法的提出为耳穴图像的精确分割提供了可靠的解决方案,也为中医疗法的现代化发展提供了强有力的技术支持。
|
关 键 词: | 深度学习 耳穴疗法 区域分割 图像处理 中医 |
|
|