换一批一种基于深度学习的新型针灸针自动计数的云服务系统:提高针灸安全性的策略
A novel deep learning based cloud service system for automated acupuncture needle counting:a strategy to improve acupuncture safety
摘要目的 病人针灸治疗时,漏针可能造成严重后果.为增强针灸安全性,本研究将开发一个基于深度学习的自动云端数针系统.方法 本研究利用拍有针灸针的手机图片为曾预先训练的定向目标检测模型(Oriented R-CNN)进行转移学习,以开发一种能够自动计算图片中针灸针数量的目标检测算法.我们首先拍摄了一个包含 590张图片的训练集以及一个包含 1 025张图片的验证集.随后在带有NVIDIA Tesla T4图形处理器(GPU)的Google Colab环境中部署了MMRotate工具箱为模型进行训练.我们将训练的模型与Telegram bot手机小程序界面集成,并评估模型的准确率、精确率和召回率.本小程序中云端数针系统的速度则以端到端处理时间计算.结果 在每张图片 20根针的验证集情景中,我们的定向检测模型在准确率、精确率和召回率上分别达到 96.49%、99.98%和 99.84%,平均端到端处理时间为 1.535秒.结论 这项云服务系统在速度、准确性和可靠性上的提升展示了深度学习物体检测技术改进针灸实践的潜力.
更多相关知识
关键词
人工智能电脑视觉目标检测针灸病人安全Artificial intelligenceComputer visionObject detectionAcupuncturePatient safety
DOI
10.1016/j.dcmed.2024.04.005
发布时间
2024-06-07（万方平台首次上网日期，不代表论文的发表时间）
- 浏览7
- 被引3
- 下载2
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
