Name: 전통의학에서 혀 진단의 객관화, 데이터 분석, 연구 적용 (동영상) | JoVE Journal
Uploaded: 2023-04-14T14:15:00.000+00:00
Duration: 5 min 56 s
Description: 배우세요 U-Net 딥러닝 알고리즘을 활용한 혀 영상 분할 방법을. 전통의학 진단에서 정확한 혀 분석을 위한 이미지 세그멘테이션 기술을 익히고, 다양한 알고리즘 성능을 비교 평가하는 방법을 탐구하세요.

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

이 작업은 중국 국립 자연 재단(보조금 번호 82004504), 중국 과학 기술부 국가 핵심 연구 개발 프로그램(보조금 번호 2018YFC1707606), 쓰촨성 한약청(보조금 번호 2021MS199) 및 중국 국가 자연 재단(보조금 번호 82174236).

이 연구는 중국 국립 자연 과학 재단(National Natural Science Foundation of China) 프로젝트인 연관 분석을 기반으로 한 TCM 얼굴 이미지의 동적 변화 규칙 구성의 승인을 받았습니다. 윤리 승인 번호는 2021KL-027이며, 윤리위원회는 임상 연구 프로토콜(2021.04.12, V2.0), 정보에 입각한 동의(2021.04.12, V2.0), 피험자 모집 자료(2021.04.12, V2.0), 연구 사례 및/또는 사례 보고서, 피험자 일지 카드 및 기타 설문지(2021.04.12, V2.0), 임상시험 참가자 목록, 연구과제 승인 등 연구에 참여한 환자들로부터 정보에 입각한 동의를 얻었습니다. 이 연구의 주요 실험적 접근 방식은 실제 혀 이미지를 사용하여 모델 분할 효과를 검증하고 비교하는 것입니다. 그림 1 은 혀 진단 객관화의 구성 요소를 보여줍니다.
1. 이미지 획득
<ol><li>자체 개발한 휴대용 설면 진단 기기를 사용하여 환자의 설측 얼굴 이미지를 수집합니다.</li>
	<li>컴퓨터 페이지에서 환자의 이름, 성별, 나이 및 질병을 입력합니다. 여기에 포함된 이미지는 클리닉에 와서 연구의 목적과 내용을 통보받은 후 사진 촬영에 동의한 환자의 이미지입니다. 환자가 똑바로 앉아 있는지 확인하고 얼굴 전체를 영상 획득 기구에 넣고 환자에게 혀를 입 밖으로 최대한 내밀도록 지시합니다.</li>
	<li>컴퓨터에 연결된 영상 획득 장치를 잡고 컴퓨터 화면의 영상을 통해 환자가 올바른 위치에 있는지, 혀와 얼굴이 완전히 노출되어 있는지 확인합니다.</li>
	<li>컴퓨터 화면의 촬영 버튼을 세 번 눌러 세 장의 사진을 촬영 합니다. 참고: 이미지 획득 기기는 현재 특허 출원 단계에 있으며 상업적 용도가 아니므로 판매용이 아닙니다.</li>
	<li>수집된 혀 및 얼굴 이미지를 수동으로 선택하고 필터링합니다. 혀와 얼굴의 노출이 불완전한 이미지와 빛이 부족하여 너무 어두운 이미지를 필터링하고 제외합니다. 그림 2 는 소프트웨어의 이미지 획득 페이지를 보여줍니다.</li>
	<li>실험 설계에서는 대안으로 각 환자로부터 한 번에 3개의 이미지를 수집하고 후속 알고리즘 훈련 및 테스트를 위한 샘플로 비교적 표준적이고 완전히 노출되고 조명이 잘 되는 선명한 이미지를 선택합니다.</li>
	<li>촬영 후 데이터를 수집하고, 수동 스크리닝을 위해 데이터를 내보내고, 육안으로 볼 수 있는 비표준 이미지를 삭제합니다. 다음 필터링 및 제외 기준을 사용합니다: 불완전한 혀 및 얼굴 노출, 불충분한 빛으로 인해 너무 어두운 이미지. 조명 부족, 불완전 및 표준 이미지의 예가 그림 3에 나와 있습니다. 알림: 불충분한 빛은 일반적으로 환자가 얼굴을 기구에 완전히 넣지 못하여 발생합니다. 완전한 노출은 일반적으로 환자를 올바르게 촬영해야만 얻을 수 있습니다.</li>
</ol>2. 혀 분할
<ol><li>아래 설명된 대로 온라인 주석 도구를 사용하여 혀 이미지 분할을 수행합니다.<ol><li>Labelme를 설치하고 레이블 인터페이스의 왼쪽 상단 모서리에 있는 열기 버튼을 클릭하고 이미지가 있는 폴더를 선택한 다음 사진을 엽니다.</li>
		<li>다각형 만들기를 클릭하여 추적 지점을 시작하고, 혀 및 설 모양을 추적하고, 선택한 영역(예: 혀 및 설측 표면)에 따라 이름을 지정하고 저장합니다.</li>
		<li>모든 표시가 완료되면 저장을 클릭하여 이미지를 데이터 폴더에 저장합니다. 자세한 순서도는 그림 4 를 참조하십시오. 참고: 이미지에 픽셀 차이가 있을 수 있으므로 알고리즘을 학습하고 테스트하는 데 직접 사용할 수 없습니다.</li>
	</ol></li>
	<li>이미지의 긴 면을 대상 채우기 길이로 하여 이미지의 가장자리를 채우고 흰색 가장자리 채우기를 수행하여 이미지의 긴 면을 가장자리 길이로 하여 이미지를 정사각형으로 채우는 방식으로 이미지를 동일한 크기로 통합합니다. 장치에서 캡처한 이미지 크기는 1080 x 1920 픽셀이고 채워진 이미지의 크기는 1920 x 1920 픽셀입니다. 그림 5를 참조하십시오.</li>
	<li>필요한 경우 이미지 향상을 적용합니다. 사용된 이미지가 고정된 장면에서 촬영되고 환경, 조명 및 기타 요인의 영향을 덜 받았기 때문에 이 연구에서는 향상이 적용되지 않았습니다.</li>
	<li>피사체 깜박임 및 렌즈 차단과 같은 제어할 수 없는 요인을 설명하기 위해 촬영 과정에서 각 환자에 대해 3개의 이미지가 수집되었기 때문에 각 환자의 이미지를 수동으로 스크리닝하여 환자당 하나의 이미지를 유지합니다.</li>
	<li>모델을 학습하기 위해 200명 또는 600개의 이미지에서 데이터를 수집합니다. 스크리닝 후 약 200 개의 사용 가능한 이미지를 보관하십시오.</li>
	<li>이미지 번호에 따라 모든 혀 이미지를 무작위로 나누어 스프레드시트의 70%를 훈련 세트에, 30%를 테스트 세트에 배치합니다.</li>
</ol>3. 혀 분류
<ol><li>공식 웹사이트로 이동하여 Anaconda, Python 및 Labelme를 다운로드하여 설치합니다. 환경을 활성화하고 전체 환경의 설치 및 조정을 완료하십시오. 그림 6 에서 소프트웨어 설치 및 설정을 설명하는 순서도를 참조하십시오.</li>
	<li>설치된 환경에서 딥러닝 알고리즘 모델을 구축하고, 파라미터를 조정하고, 학습 세트를 사용하여 모델 학습을 완료합니다. 다음 단계에 설명된 대로 모델 선택 및 조정을 수행합니다.<ol><li>모형 선택: 연구 목적에 따라 적절한 모형을 선택합니다. 지난 5년 동안 혀 이미지 처리에 대한 연구를 검토한 후 이 연구에서 검증을 위해 U-Net, Seg-Net, DeeplabV3 및 PSPNet의 4가지 알고리즘을 선택했습니다(모델 코드는 보충 코딩 파일 1, 보충 코딩 파일 2, 보충 코딩 파일 3 및 보충 코딩 파일 4 참조).</li>
		<li>데이터 세트 구성: 모델 선택을 완료한 후 위에서 설명한 대로 주로 Labelme 주석 및 균일한 이미지 크기 방법을 사용하여 연구 콘텐츠와 함께 필요한 데이터 세트를 구성합니다.</li>
	</ol></li>
	<li>아래에 설명된 대로 모델 학습을 수행합니다. 그림 7 은 알고리즘 학습 작업의 세부 정보를 보여줍니다.<ol><li>순방향 전파를 위해 신경망에 데이터를 입력하고, 각 뉴런은 먼저 가중 누적된 값을 입력한 다음 해당 뉴런의 출력 값으로 활성화 함수를 입력하여 결과를 얻습니다.</li>
		<li>그 결과를 에러 함수에 입력하고 이를 예상값과 비교하여 에러를 구하고 실수로 인식도를 판단합니다. 손실 함수가 작을수록 모형이 더 좋아집니다.</li>
		<li>역전파를 통해 오차를 줄이고 기울기 벡터를 결정합니다. 기울기 벡터를 기준으로 가중치를 결과 추세에 맞게 조정하여 오차가 0이 되거나 축소되도록 합니다.</li>
		<li>세트가 완료되거나 오류 값이 더 이상 감소하지 않을 때까지 이 학습 프로세스를 반복하여 모델 학습이 완료됩니다. 그림 8 에서 학습 및 테스트의 알고리즘 모델 순서도를 볼 수 있습니다.</li>
	</ol></li>
	<li>분할을 위해 동일한 테스트 데이터를 사용하여 4개의 모델을 테스트하고 분할 효과에 따라 모델 성능을 판단합니다. 정밀도, 재현율, 평균 픽셀 정확도(MPA) 및 MIoU의 네 가지 메트릭은 보다 포괄적인 모델 성능 평가를 제공합니다.</li>
	<li>네 가지 모델의 결과가 생성된 후 해당 값을 수평으로 비교합니다. 값이 높을수록 분할 정확도가 높아지고 모델의 성능이 향상됩니다. 그림 9, 그림 10 및 그림 11을 참조하십시오.</li>
</ol>

<ol><li>Jiu, G., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Effects+of+herbal+therapy+on+intestinal+microbiota+and+serum+metabolomics+in+different+rat+models+of+Mongolian+medicine%5BTitle%5D)+AND+%22Evidence-Based+Complementary+and+Alternative%22%5BJournal%5D)">Effects of herbal therapy on intestinal microbiota and serum metabolomics in different rat models of Mongolian medicine.</a> Evidence-Based Complementary and Alternative. 2022, 7255780(2022).</li>
<li>Xi, J., Xin, Y., Teregle, <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Study+on+the+correlation+between+the+animal+model+of+Mongolian+medicine+34%3BXieri+disease%26%2334%3B+and+serum+ALT+and+AST%5BTitle%5D)+AND+%22Electronic+Journal+of+Cardiovascular+Diseases+in+Combination+of+Traditional+Chinese%22%5BJournal%5D)">Study on the correlation between the animal model of Mongolian medicine 34;Xieri disease&#34; and serum ALT and AST.</a> Electronic Journal of Cardiovascular Diseases in Combination of Traditional Chinese. 4 (33), 134-135 (2016).</li>
<li>Yin, L., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Study+on+the+mechanism+of+serum+differential+protein+changes+in+bronchial+asthma+based+on+proteomics%5BTitle%5D)+AND+%22Chinese+Journal+of+Traditional+Chinese+Medicine%22%5BJournal%5D)">Study on the mechanism of serum differential protein changes in bronchial asthma based on proteomics.</a> Chinese Journal of Traditional Chinese Medicine. 47 (22), 6227-6234 (2022).</li>
<li>Wang, X. H., Bao, L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Band+Seed.+The+origin+and+development+of+tongue+diagnosis+in+Mongolian+medicine%5BTitle%5D)+AND+%22Chinese+Ethnic+Folk+Medicine%22%5BJournal%5D)">Band Seed. The origin and development of tongue diagnosis in Mongolian medicine.</a> Chinese Ethnic Folk Medicine. (1), 64-65 (2008).</li>
<li>Yang, S., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+comparative+study+on+the+feature+parameters+of+tongue+diagnosis+images+in+five+nationalities%5BTitle%5D)+AND+%22Chinese+Journal+of+Traditional+Chinese+Medicine%22%5BJournal%5D)">A comparative study on the feature parameters of tongue diagnosis images in five nationalities.</a> Chinese Journal of Traditional Chinese Medicine. 36 (11), 6428-6430 (2021).</li>
<li>He, J. Y., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Efficacy+and+safety+of+Chou-Ling-Dan+granules+in+the+treatment+of+seasonal+influenza+via+combining+Western+and+traditional+Chinese+medicine%2C+protocol+for+a+multicentre%2C+randomised+controlled+clinical+trial%5BTitle%5D)+AND+%22BMJ+Open%22%5BJournal%5D)">Efficacy and safety of Chou-Ling-Dan granules in the treatment of seasonal influenza via combining Western and traditional Chinese medicine, protocol for a multicentre, randomised controlled clinical trial.</a> BMJ Open. 9 (4), e024800(2019).</li>
<li>Wang, D. J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Scientific+knowledge+mapping+and+visualization+analysis+in+the+field+of+Chinese+medicine+tongue+feature+objectification+research%5BTitle%5D)+AND+%22World+Science+and+Technology+-+Modernization+of+Chinese+Medicine%22%5BJournal%5D)">Scientific knowledge mapping and visualization analysis in the field of Chinese medicine tongue feature objectification research.</a> World Science and Technology - Modernization of Chinese Medicine. 23 (9), 3032-3040 (2021).</li>
<li>Yuan, S. M., Qian, P., Li, F. F. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Research+progress+of+color+correction+methods+for+tongue+and+face+diagnosis+in+traditional+Chinese+Medicine%5BTitle%5D)+AND+%22Chinese+Journal+of+Traditional+Chinese+Medicine%22%5BJournal%5D)">Research progress of color correction methods for tongue and face diagnosis in traditional Chinese Medicine.</a> Chinese Journal of Traditional Chinese Medicine. 34 (9), 4183-4185 (2019).</li>
<li>Kanawong, R., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Tongue+image+analysis+and+its+mobile+app+development+for+health+diagnosis%5BTitle%5D)+AND+%22Advances+in+Experimental+Medicine+and+Biology%22%5BJournal%5D)">Tongue image analysis and its mobile app development for health diagnosis.</a> Advances in Experimental Medicine and Biology. 1005, 99-121 (2017).</li>
<li>Yu, Y., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Semantic+segmentation+evaluation+index+and+evaluation+method%5BTitle%5D)+AND+%22Computer+Engineering+and+Application%22%5BJournal%5D)">Semantic segmentation evaluation index and evaluation method.</a> Computer Engineering and Application. , (2023).</li>
<li>Sehyung, L., Negishi, M., Urakubo, H., Kasai, H., Ishii, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Mu-net%3A+Multi-scale+U-net+for+two-photon+microscopy+image+denoising+and+restoration%5BTitle%5D)+AND+%22Neural+Networks%22%5BJournal%5D)">Mu-net: Multi-scale U-net for two-photon microscopy image denoising and restoration.</a> Neural Networks. 125, 92-103 (2020).</li>
<li>Huang, X. M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+review+on+the+application+of+U-Net+and+its+variants+in+medical+image+segmentation%5BTitle%5D)+AND+%22Chinese+Journal+of+Biomedical+Engineering%22%5BJournal%5D)">A review on the application of U-Net and its variants in medical image segmentation.</a> Chinese Journal of Biomedical Engineering. 41 (5), 567-576 (2022).</li>
<li>Lu, J. H., Xu, Y. F., Wang, Y. Q., Hao, Y. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Research+overview+of+tongue+objectification+in+traditional+Chinese+medicine+based+on+computer+image+technology%5BTitle%5D)+AND+%22World+Science+and+Technology+-+Modernization+of+Traditional+Chinese+Medicine%22%5BJournal%5D)">Research overview of tongue objectification in traditional Chinese medicine based on computer image technology.</a> World Science and Technology - Modernization of Traditional Chinese Medicine. 24 (11), 4568-4573 (2022).</li>
<li>Mansour, R. F., Althobaiti, M. M., Ashour, A. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Internet+of+things+and+synergic+deep+learning+based+biomedical+tongue+color+image+analysis+for+disease+diagnosis+and+classification%5BTitle%5D)+AND+%22IEEE+Access%22%5BJournal%5D)">Internet of things and synergic deep learning based biomedical tongue color image analysis for disease diagnosis and classification.</a> IEEE Access. 9, 94769-94779 (2021).</li>
<li>Cai, Y. H., Hu, S. B., Guan, J., Zhang, X. F. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Analysis+of+the+development+and+application+of+tongue+diagnosis+objectification+techniques+in+Chinese+medicine%5BTitle%5D)+AND+%22World+Science+and+Technology+-+Modernization+of+Chinese+Medicine%22%5BJournal%5D)">Analysis of the development and application of tongue diagnosis objectification techniques in Chinese medicine.</a> World Science and Technology - Modernization of Chinese Medicine. 23 (7), 2447-2453 (2021).</li>
<li>Ghosh, S., Das, N., Nasipuri, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Reshaping+inputs+for+convolutional+neural+network%3A+some+common+and+uncommon+methods%5BTitle%5D)+AND+%22Pattern+Recognition%22%5BJournal%5D)">Reshaping inputs for convolutional neural network: some common and uncommon methods.</a> Pattern Recognition. 93, 79-94 (2019).</li>
<li>Shang, Z. M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Research+progress+of+digital+acquisition+and+characterization+of+tongue+diagnosis+information%5BTitle%5D)+AND+%22Chinese+Journal+of+Traditional+Chinese+Medicine%22%5BJournal%5D)">Research progress of digital acquisition and characterization of tongue diagnosis information.</a> Chinese Journal of Traditional Chinese Medicine. 36 (10), 6010-6013 (2021).</li>
<li>Ning, J., Zhang, D., Wu, C., Yue, F. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Automatic+tongue+image+segmentation+based+on+gradient+vector+flow+and+region+merging%5BTitle%5D)+AND+%22Neural+Computing+and+Applications%22%5BJournal%5D)">Automatic tongue image segmentation based on gradient vector flow and region merging.</a> Neural Computing and Applications. 21, 1819-1826 (2012).</li>
<li>Zheng, F., Huang, X. Y., Wang, B. L., Wang, Y. H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+method+for+tongue+detection+based+on+image+segmentation%5BTitle%5D)+AND+%22Journal+of+Xiamen+University%22%5BJournal%5D)">A method for tongue detection based on image segmentation.</a> Journal of Xiamen University. 55 (6), 895-900 (2016).</li>
<li>Li, Y. T., Luo, Y. S., Zhu, Z. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Deep+learning-based+tongue+feature+analysis%5BTitle%5D)+AND+%22Computer+Science%22%5BJournal%5D)">Deep learning-based tongue feature analysis.</a> Computer Science. 47 (11), 148-158 (2020).</li>
<li>Wang, Y. D., Sun, C. H., Cui, J. L., Wu, X. R., Qin, Y. X. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Research+on+deep+learning-based+tongue+fissure+segmentation+algorithm%5BTitle%5D)+AND+%22World+Science+and+Technology+-+Modernization+of+Chinese+Medicine%22%5BJournal%5D)">Research on deep learning-based tongue fissure segmentation algorithm.</a> World Science and Technology - Modernization of Chinese Medicine. 23 (9), 3065-3073 (2021).</li>
<li>Wang, X. M., Wang, R. Y., Guo, D., Lu, S. Z., Zhou, P. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Research+on+the+identification+method+of+tongue+punctures+based+on+auxiliary+light+source%5BTitle%5D)+AND+%22Journal+of+Sensing+Technology%22%5BJournal%5D)">Research on the identification method of tongue punctures based on auxiliary light source.</a> Journal of Sensing Technology. 29 (10), 1553-1559 (2016).</li>
<li>Yang, J. D., Zhang, P. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+fully+connected+neural+network+based+on+migration+learning+for+tongue+image+classification%5BTitle%5D)+AND+%22Journal+of+the+Second+Military+Medical+University%22%5BJournal%5D)">A fully connected neural network based on migration learning for tongue image classification.</a> Journal of the Second Military Medical University. 39 (8), 897-902 (2018).</li>
<li>Song, C., Wang, B., Xu, J. T. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Research+on+tongue+feature+classification+method+based+on+deep+migration+learning%5BTitle%5D)+AND+%22Computer+Engineering+and+Science%22%5BJournal%5D)">Research on tongue feature classification method based on deep migration learning.</a> Computer Engineering and Science. 43 (8), 1488-1496 (2021).</li>
<li>Ding, H. J., He, J. C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Study+on+modern+techniques+and+methods+of+tongue+diagnosis%5BTitle%5D)+AND+%22Shi+Zhen+Chinese+Medicine%22%5BJournal%5D)">Study on modern techniques and methods of tongue diagnosis.</a> Shi Zhen Chinese Medicine. 21 (5), 1230-1232 (2010).</li>
<li>Zhai, P. B., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+multi-stage+tongue+image+classification+algorithm+incorporating+attention+mechanism%5BTitle%5D)+AND+%22Computer+Engineering+and+Design%22%5BJournal%5D)">A multi-stage tongue image classification algorithm incorporating attention mechanism.</a> Computer Engineering and Design. 42 (6), 1606-1613 (2021).</li>
<li>Hou, Y. S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+new+clustering+analysis+algorithm+based+on+deep+learning%5BTitle%5D)+AND+%22Journal+of+Xinxiang+University%22%5BJournal%5D)">A new clustering analysis algorithm based on deep learning.</a> Journal of Xinxiang University. 35 (12), 4(2018).</li>
<li>Shi, Y. L., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+decision+tree+algorithm+for+classification+of+non-small+cell+lung+cancer+evidence+based+on+tongue+and+pulse+data%5BTitle%5D)+AND+%22World+Science+and+Technology+-+Modernization+of+Chinese+Medicine%22%5BJournal%5D)">A decision tree algorithm for classification of non-small cell lung cancer evidence based on tongue and pulse data.</a> World Science and Technology - Modernization of Chinese Medicine. 24 (7), 2766-2775 (2022).</li>
<li>Li, J., Hu, X. J., Zhou, C. L., Xu, J. T. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Study+on+the+feature+analysis+and+diagnosis+model+of+diabetic+tongue+based+on+random+forest+algorithm%5BTitle%5D)+AND+%22Chinese+Journal+of+Traditional+Chinese+Medicine%22%5BJournal%5D)">Study on the feature analysis and diagnosis model of diabetic tongue based on random forest algorithm.</a> Chinese Journal of Traditional Chinese Medicine. 37 (3), 1639-1643 (2022).</li>
<li>Chen, C. H., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+characteristics+of+the+combination+of+the+four+diagnostic+methods+of+traditional+Chinese+medicine+from+the+perspective+of+the+differences+between+Chinese+and+Western+medical+diagnosis+methods%5BTitle%5D)+AND+%22Journal+of+Guangzhou+University+of+Traditional+Chinese+Medicine%22%5BJournal%5D)">The characteristics of the combination of the four diagnostic methods of traditional Chinese medicine from the perspective of the differences between Chinese and Western medical diagnosis methods.</a> Journal of Guangzhou University of Traditional Chinese Medicine. 28 (3), 332-334 (2011).</li>
<li>Chen, R., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Correlation+analysis+of+tongue+image+and+western+medicine+typing+in+382+patients+with+novel+coronavirus+pneumonia+based+on+Lab+colour+model+and+imaging+histology%5BTitle%5D)+AND+%22Chinese+Journal+of+Traditional+Chinese+Medicine%22%5BJournal%5D)">Correlation analysis of tongue image and western medicine typing in 382 patients with novel coronavirus pneumonia based on Lab colour model and imaging histology.</a> Chinese Journal of Traditional Chinese Medicine. 36 (12), 7010-7014 (2021).</li>
<li>Ju, J. W., Jung, H., Lee, Y. J., Mun, S. W., Lee, J. H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Semantic+segmentation+dataset+for+AI-based+quantification+of+clean+mucosa+in+capsule+endoscopy%5BTitle%5D)+AND+%22Medicina%22%5BJournal%5D)">Semantic segmentation dataset for AI-based quantification of clean mucosa in capsule endoscopy.</a> Medicina. 58 (3), 397(2022).</li>
<li>Wu, X., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+review+of+research+on+deep+learning+in+tongue+image+classification%5BTitle%5D)+AND+%22Computer+Science+and+Exploration%22%5BJournal%5D)">A review of research on deep learning in tongue image classification.</a> Computer Science and Exploration. , 1-23 (2022).</li>
</ol>

저자는 선언할 이해 상충이 없습니다.

위에 제시된 비교 결과를 바탕으로, 고려중인 4 가지 알고리즘의 특성이 다양하다는 것이 분명하며, 그 뚜렷한 장점과 단점이 아래에 설명되어 있습니다. 전체 컨볼루션 네트워크의 수정 및 확장을 기반으로 하는 U-Net 구조는 수축 경로와 대칭 확장 경로를 통해 상황 정보와 정확한 위치 지정을 얻을 수 있습니다. 이 알고리즘은 각 픽셀 포인트를 분류하여 더 높은 분할 정확도를 달성하고 학습된 모델로 이미지를 더 빠르게 분할합니다. 한편, 인코더와 디코더의 대칭 구조로 구성된 Seg-Net 알고리즘은 새로운 문제에 빠르게 적응하고 음성, 의미론, 비전 및 게임과 같은 작업을 잘 수행할 수 있다는 장점이 있습니다. 그러나 알고리즘은 많은 양의 데이터를 필요로 하므로 하드웨어 구성 측면에서 까다롭기 때문에 일부 작업에만 적용할 수 있습니다. 보다 일반적인 프레임워크인 DeeplabV3 알고리즘은 대부분의 네트워크에 대한 ASSP 모듈을 개선하고 캐스케이드 또는 병렬로 배치하여 전반적인 성능을 향상시킬 수 있는 이점이 있습니다. 그러나 최...

혀 관찰은 중국 전통 의학(TCM)에서 널리 사용되는 기술입니다. 혀의 색과 모양은 신체 상태와 다양한 질병 특성, 중증도 및 예후를 반영할 수 있습니다. 예를 들어, 전통 몽족 의학에서 혀의 색은 체온을 식별하는 데 사용됩니다 (예 : 빨간색 또는 보라색 혀는 열과 관련된 병리학 적 요인을 나타냅니다). 티베트 의학에서는 환자의 혀를 관찰하고 점액의 색, 모양 및 수분에주의를 기울여 상태를 판단합니다. 예를 들어, 헤이이병 환자의 혀가 붉어지고 거칠어지거나 검고 건조해집니다1; Xieri 질병2 환자는 혀가 노랗고 건조합니다. 한편, 바다칸병3 환자는 하얗고 습하며 부드러운 혀4를 가지고있다. 이러한 관찰은 혀의 특징과 생리학 및 병리학 사이의 밀접한 관계를 보여줍니다. 전반적으로 혀의 상태는 진단, 질병 식별 및 치료 효과 평가에 중요한 역할을 합니다.
동시에, 다양한 인종 그룹 간의 다양한 생활 조건과 식습관으로 인해 혀 이미지의 차이가 분명합니다. 색상 결정을위한 국제 표준을 기반으로 설립 된 Lab 모델은 1931 년 CIE (Commission International Eclairage)에 의해 공식화되었습니다. 1976 년에 색상 패턴이 수정되고 명명되었습니다. Lab 색상 모델은 세 가지 요소로 구성됩니다 : L은 밝기에 해당하고 a와 b는 두 개의 색상 채널입니다. A는 짙은 녹색 (낮은 밝기 값)에서 회색 (중간 밝기 값)에서 밝은 분홍색 (높은 밝기 값)까지의 색상을 포함합니다. b는 밝은 파란색(낮은 밝기 값)에서 회색(중간 밝기 값), 노란색(높은 밝기 값)으로 바뀝니다. Yang 등5 은 5개 종족 그룹의 혀 색깔에 대한 L x a x b 값을 비교함으로써 몽족, 후이족, 좡족, 한족 및 몽골족의 혀 이미지 특성이 서로 유의하게 다르다는 것을 발견했습니다. 예를 들어, 몽골인은 노란색 혀 코팅이 된 어두운 혀를 가지고 있는 반면 몽족은 흰색 혀 코팅이 된 밝은 혀를 가지고 있어 혀 특징이 인구의 건강 상태를 평가하기 위한 진단 지표로 사용될 수 있음을 시사합니다. 또한 혀 이미지는 민족 의학의 임상 연구에서 증거 기반 의학에 대한 평가 지표로 기능할 수 있습니다. He et al.6 은 한의학 진단의 기초로 혀 이미지를 사용하고 중국 및 서양 의학과 결합된 Chou-Ling-Dan 펠릿(한의학의 계절성 인플루엔자를 포함한 염증 및 열성 질환 치료에 사용되는 CLD 과립)의 안전성과 효능을 체계적으로 평가했습니다. 그 결과 임상 연구의 평가 지표로서 혀 이미지의 과학적 타당성이 확립되었습니다. 그럼에도 불구하고 전통적인 의료 종사자는 일반적으로 혀의 특성을 관찰하고 환자의 생리적, 병리학적 상태를 평가하기 위해 주관성에 의존하므로 보다 정확한 지표가 필요합니다.
인터넷과 인공 지능 기술의 출현은 혀 진단을 디지털화하고 객관화하는 길을 열었습니다. 이 과정은 수학적 모델을 사용하여 혀 이미지의 내용을 반영하는 혀 이미지7에 대한 질적이고 객관적인 설명을 제공하는 것을 포함한다. 이 프로세스에는 이미지 획득, 광학 보정, 색상 보정 및 기하학적 변환과 같은 여러 단계가 포함됩니다. 그런 다음 전처리된 이미지는 이미지 포지셔닝 및 분할, 특징 추출, 패턴 인식 등을 위한 알고리즘 모델에 공급됩니다. 이 과정의 결과는 혀 이미지 데이터의 매우 효율적이고 정확한 진단이며, 이에 따라 혀 진단의 객관화, 정량화 및 정보화의 목표를 달성한다8. 따라서, 혀 진단 데이터의 고효율 및 고정밀 처리의 목적이 달성된다. 본 연구는 혀 진단 지식과 딥러닝 기술을 바탕으로 컴퓨터 알고리즘을 이용하여 혀 영상에서 혀 몸체와 혀 코팅을 자동으로 분리하여 의사를 위한 혀의 정량적 특징을 추출하고 진단의 신뢰성과 일관성을 향상시키며 후속 혀 진단 객관화 연구방법을 제공한다 9.

<table><tbody><tr><td>CPU</td><td>인텔(R) 코어(TM) i7-9700K</td><td></td><td></td></tr><tr><td>GPU</td><td>&nbsp; NVIDIA GeForce RTX 3070 Ti (8192MB)</td><td></td><td></td></tr><tr><td>운영 체제</td><td>Microsoft Windows 10 Professional Edition (64비트)</td><td></td><td></td></tr><tr><td>프로그래밍 언어</td><td>Python</td><td></td><td></td></tr><tr><td>RAM</td><td>16G</td><td></td><td></td></tr></tbody></table>

전통의학에서 혀 진단의 객관화, 데이터 분석, 연구 적용

Objectification of Tongue Diagnosis in Traditional Medicine, Data Analysis, and Study Application

혀 진단은 한의학(TCM) 진단의 필수 기술이며, 영상처리 기술을 통한 혀 영상의 대상화에 대한 필요성이 커지고 있습니다. 본 연구는 지난 10년 동안 혀 객관화의 진행 상황에 대한 개요를 제공하고 세분화 모델을 비교합니다. 실제 혀 이미지 세트를 사용하여 알고리즘을 검증하고 비교하기 위해 다양한 딥 러닝 모델이 구축됩니다. 각 모델의 강점과 약점을 분석합니다. 연구 결과에 따르면 U-Net 알고리즘은 정밀 정확도(PA), 재현율 및 MIoU(Mean Intersection over Union) 메트릭과 관련하여 다른 모델보다 성능이 우수합니다. 그러나 혀 이미지 획득 및 처리가 크게 발전했음에도 불구하고 혀 진단을 객관화하기 위한 통일된 표준은 아직 확립되지 않았습니다. 혀 진단 객관화에서 모바일 장치를 사용하여 캡처한 혀 이미지의 광범위한 적용을 용이하게 하기 위해 추가 연구는 복잡한 환경에서 캡처된 혀 이미지로 인해 발생하는 문제를 해결할 수 있습니다.

비교 결과는 그림 12, 그림 13 및 표 1을 참조하십시오.이 연구에서 구성한 환경은 동일한 샘플을 사용하여 알고리즘 모델을 학습하고 테스트합니다. MIoU 표시기: U-Net &gt; Seg-Net &gt; PSPNet &gt; DeeplabV3; MPA 표시기: U-Net &gt; Seg-Net &gt; PSPNet &gt; DeeplabV3; 정밀 표시기 : U-Net &gt; Seg-Net &gt; DeeplabV3 &gt; PSPNet; 리콜 : U-Net &gt; Seg-Net &gt; PSPNet &gt; DeeplabV3. 인덱스 값이 클수록 세그멘테이션 정확도가 높아지고 모델 성능이 향상됩니다. 지표 결과에 따르면 U-Net 알고리즘이 MIoU, MPA, 정밀도 및 재현율에서 다른 알고리즘보다 우수하고 분할 정확도도 다른 알고리즘보다 높다는 것을 분석할 수 있습니다. 따라서 ...

본 연구는 U-Net 및 기타 딥러닝 알고리즘을 사용하여 혀 이미지를 분할하고 분할 결과를 비교하여 혀 진단의 객관화를 조사했습니다.

Tongue diagnosis is an essential technique of traditional Chinese medicine (TCM) diagnosis, and the need for objectifying tongue images through image ...

이 프로토콜은 딥 러닝 알고리즘을 사용하여 혀 이미지를 분할하고 전체 이미지에서 혀를 자동으로 분리하여 추가 연구에 사용할 수 있습니다. 이 프로토콜은 4-텅 이미지 분할 알고리즘의 성능을 비교하여 클리어 카운터로 텅을 분할할 수 있는 기본 알고리즘을 선택합니다. 이 연구에는 특허받은 기기와 알고리즘이 사용되었습니다.전문 악기와 마스터 컴퓨터 기술을 사용하는 것이 좋습니다. 시작하려면 환자의 설측 얼굴 이미지를 수집하기 위해 자체 개발한 휴대용 설측 얼굴 진단 기기를 준비합니다. 컴퓨터 페이지에서 환자의 이름, 성별, 나이 및 질병을 입력합니다.다음으로, 환자에게 똑바로 앉아서 컴퓨터에 연결된 이미지 획득 장치를 배치하도록 요청하십시오. 그런 다음 환자의 얼굴을 이미지 획득 도구에 놓고 혀를 입 밖으로 최대한 내밀도록 요청합니다. 컴퓨터 화면의 이미지를 통해 환자가 올바른 위치에 있고 혀와 얼굴이 완전히 노출되어 있는지 확인하십시오.컴퓨터 화면의 촬영 버튼을 세 번 누르면 3장의 이미지가 캡처됩니다. 그런 다음 얼굴과 혀의 수집된 이미지를 수동으로 선택합니다. 소프트웨어의 이미지 획득 페이지에 따라 필터링합니다.각 환자로부터 한 번에 3개의 이미지를 수집하고 수동 스크리닝을 위해 이미지를 폴더로 내보냅니다. 다음으로, 알고리즘 학습 및 테스트를 위한 샘플인 완전히 노출되고 조명이 잘 되는 선명한 표준 이미지를 선택합니다. 표준 이미지의 기준을 충족하지 않는 이미지를 삭제합니다.제외 기준은 불완전한 혀와 얼굴 노출과 너무 어두운 이미지입니다. 혀 이미지 분할을 수행하려면 LabelMe를 열고 인터페이스의 왼쪽 상단 모서리에 있는 열기 버튼을 클릭합니다. 분할할 이미지가 포함된 폴더를 선택하고 사진을 엽니다.Create Polygon 버튼을 클릭하여 포인트를 추적합니다. 혀와 설측 모양을 추적하고 선택한 영역에 따라 이름을 지정하고 저장합니다. 모든 추적이 끝나면 저장을 클릭하여 이미지를 데이터 폴더에 저장합니다.1080x1920 픽셀 크기의 이미지를 캡처하도록 디바이스를 설정하고 채워진 이미지의 크기가 1920x1920픽셀인지 확인합니다. 각 환자의 이미지를 수동으로 스크리닝하여 피사체 깜박임 및 렌즈 차단과 같은 제어할 수 없는 요인에 대해 촬영된 세 가지 이미지 중 하나를 선택하고 유지합니다. 모델 학습을 위해 200명의 개인 또는 600개의 이미지에서 데이터를 수집하고 스크리닝 후 사용할 수 있는 약 200개의 이미지를 유지합니다.이미지 번호에 따라 모든 혀 이미지를 무작위로 나누어 70%를 훈련 세트에, 이미지의 30%를 테스트 세트 폴더에 배치합니다. 공식 웹 사이트에서 Anaconda Python 및 LabelMe를 다운로드하여 설치하십시오. 환경을 활성화하고 전체 환경의 설치 및 조정을 완료하십시오.연구 목적에 적합한 모형을 선택합니다. 이 연구에서는 UNet, SegNet, DeepLab 버전 3 및 PSPNet을 검증을 위해 선택했습니다. 다음으로, 설치된 환경에서 딥러닝 알고리즘 모델을 구축합니다.값을 조정하여 파라미터를 조정하고 훈련 세트를 사용하여 모델 훈련을 완료합니다. LabelMe 주석 및 균일한 이미지 크기 방법을 사용하여 연구 콘텐츠와 함께 필요한 데이터 세트를 구성합니다. 세분화 결과를 검사하고 정밀도, 재현율, 평균 픽셀 정확도 또는 MPA 및 MIOU의 네 가지 메트릭을 기반으로 모델 성능을 평가하여 보다 포괄적인 평가를 얻습니다.네 가지 모델의 생성된 값을 비교합니다. 값이 높을수록 분할 정확도가 높아지고 모델의 성능이 향상됩니다. 인덱스 결과에 따르면 UNet 알고리즘은 MIOU, MPA, 정밀도 및 재현율에서 다른 알고리즘보다 우수하며 분할 정확도도 더 높습니다.PSPNet은 MIOU, MPA 및 리콜에서 DeepLab 버전 3보다 우수하지만 DeepLab 버전 3 모델은 모든 인덱스에서 세그먼트 모델보다 낮습니다. 혀 분할에서 이미지의 바깥쪽 빨간색 영역은 혀 분할의 결과이고 안쪽 녹색 영역은 혀 코팅 분할의 결과입니다. 본 연구에서는 단위 알고리즘이 혀 분할에서 잘 수행되었으며, 단위 알고리즘을 기반으로 추가 연구를 수행할 수 있습니다.

objectification-tongue-diagnosis-traditional-medicine-data-analysis

Research

연구

JoVE Journal

Medicine

의학

gustatory 전달을 기본 분자 메커니즘의 지식은 최근에 크게 인해 동물 모델을 사용하는, 상당한 발전을 즐기고있다. 그러나, 인간의 조직에있는 포유류 영장 연구 중에서 맛이 감도 및 특이성의 넓은 다양성. 우리는 인간의 혀 용의자의 생활 미각 세포를 수집하는 생검 방법을 설명합니다.

인간 혀에서 Fungiform (맛) 용의자를 수집하는 기술

지방산과식이 요법과 지방 식품 환경 설정과 협회의 구강 chemoreception는 비만의 개발 및 이유식이 변화는 많은 사람들을위한 어려울 수 있습니다와 관련된 메커니즘의 식별을 가능하게 할 수있다.

구강 지방산 임계 값, 지방 지각, 지방 음식을 좋아하고, 인간의 용의자 밀도 측정

여기에서 우리는 디지털 사진에서 fungiform 유두 밀도를 측정하기위한 프로토콜을 제시한다. 이 방법은 밀러 &amp; 리디 (1990)에 의해 fungiform 용의자의 원래 설명 작업에 우선 순위 및 목표 특성 통계를 작성합니다.

Fungiform 용의자 객관적인 분석을위한 덴버 유두 프로토콜

초음파 영상은 말하는 동안 혀의 모양과 움직임을 실시간으로 표시하는 데 사용할 수 있습니다. 이미지는 음성 소리 오류의 특성을 확인하는 데 사용할 수 있습니다. 혀의 시각적 피드백은 임상 인구 집단에서 말소리 생성의 개선을 촉진하는 데 사용할 수 있습니다.

음성 사운드 오류의 평가를위한 튜토리얼 및 치료 : 초음파 혀의 이미지

우리는 혀의 근육의 음색과 점탄성을 결정하기위한 마취 된 쥐 모델에서 수술 과정을 설명합니다. 절차는 hypoglossal 신경의 특정 자극과 수동 Lissajous 힘 / 변형 곡선의 근육에 적용이 포함됩니다.

혀의 기계적 및 점탄성 특성에 대한 생체 내 평가

이 기사는 미세 유체를 혀의 인포탈 이미징 창에 통합하여 생체 내 기능적인 맛 세포 이미징을 위한 μTongue(미세 유체액액)을 도입합니다.

μTongue: Vivo의 혀를 위한 미세 유체 기반 기능 이미징 플랫폼

이 작업은 격자 방향 테스트를 사용하여 공간 언어 촉각 민감도를 평가하기 위해 R-index의 표준 절차 및 임계값 결정을 보여 줍니다.

격자 방향 테스트를 사용하여 공간 언어 촉각 민감도 평가

인간 게놈의 8 %를 차지 인간 내인성 레트로 바이러스 (HERV)는, 부족한 코딩 능력 만 십만 긴 터미널 반복 (LTR에 의해 둘러싸) 유지. 사용자 지정 Affymetrix의 마이크로 어레이는 개별 HERV의 궤적 표현을 식별하도록 설계되었으며, 향후 임상 연구에 대한 개념의 증거로 전립선 암 조직에 사용되었다.

전립선 암의 바이오 마커 발견에 신청 : 개인 HERV 궤적 발현 마이크로 어레이 기반의 식별

이 문서에서는 히드라 기반 프로토콜 제공-기능 및 완벽 한 심장 혈관 분석, 위험 평가, 일찍 의사에 필요한 서비스의 완전 하 고 상세한 세트를 통합 하는 임상 의사 결정 지원에 대 한 웹 기반 시스템 진단, 치료, 및 시간이 지남에 모니터링입니다.

히드라, 심장 혈관 분석 및 진단에 임상을 방 조에 대 한 컴퓨터 기반 플랫폼

이 프로토콜은 심장 광학 매핑 데이터 분석을 위한 MATLAB 기반 오픈 소스 소프트웨어 플랫폼인 ElectroMap의 설정 및 사용에 대해 설명합니다. ElectroMap은 광범위한 심장 실험 모델에서 광학 매핑 전압 및 칼슘 데이터 세트를 분석하기 위한 다목적 고처리량 도구를 제공합니다.

ElectroMap을 사용한 광학 매핑 데이터의 높은 처리량 분석

배우세요 U-Net 딥러닝 알고리즘을 활용한 혀 영상 분할 방법을. 전통의학 진단에서 정확한 혀 분석을 위한 이미지 세그멘테이션 기술을 익히고, 다양한 알고리즘 성능을 비교 평가하는 방법을 탐구하세요.

전통의학에서 혀 진단의 객관화, 데이터 분석, 연구 적용

더 많은 동영상 탐색