<samp id="ffp3e"><ins id="ffp3e"><ruby id="ffp3e"></ruby></ins></samp>

<menuitem id="ffp3e"><strong id="ffp3e"></strong></menuitem>

    <tbody id="ffp3e"></tbody>

    <tbody id="ffp3e"><bdo id="ffp3e"></bdo></tbody>
    1. <menuitem id="ffp3e"></menuitem>
    2. <progress id="ffp3e"><bdo id="ffp3e"></bdo></progress>

      <tbody id="ffp3e"></tbody>

    3. <progress id="ffp3e"><bdo id="ffp3e"><dfn id="ffp3e"></dfn></bdo></progress><tbody id="ffp3e"><nobr id="ffp3e"></nobr></tbody>
      華西醫學期刊出版社
      作者
      • 標題
      • 作者
      • 關鍵詞
      • 摘要
      高級搜索
      高級搜索

      搜索

      找到 作者 包含"高枕岳" 1條結果
      • 基于深度學習的耳部穴區自動分割方法

        耳部穴區的自動分割是實現智能化耳穴療法的基礎。然而,由于耳部穴區較多,且缺乏清晰的邊界特征,現有方案在自動分割耳穴時面臨著挑戰。因此,需要一種快速準確的耳部穴區自動分割方法。本研究提出了一種基于深度學習的耳部穴區自動分割方法,主要包含耳部輪廓檢測、解剖部位分割及關鍵點估計和圖像后處理三個階段。本文還提出了K-YOLACT以提升解剖部位分割及關鍵點定位的運行效率。實驗結果表明,所提出的方法實現了對耳部正面圖像內66個穴區的自動分割,分割效果優于現有方案。同時K-YOLACT方法的解剖部位分割的平均精度均值(mAP)為83.2%,關鍵點定位平均精度均值為98.1%,且運行效率明顯提升。該方法的提出為耳穴圖像的精確分割提供了可靠的解決方案,也為中醫療法的現代化發展提供了強有力的技術支持。

        發表時間: 導出 下載 收藏 掃碼
      共1頁 上一頁 1 下一頁

      Format

      Content

      小泉真希