| 摘要: |
| 目的：研究舌体齿痕特征识别方法，旨在为中医智能舌诊提供技术支持，辅助中医进行疾病诊断。方法：采用TDA-1型舌诊仪采集220张舌影像数据，利用数据标注工具Labelme对每张图片中的齿痕进行标注。为提升齿痕特征的检测效果，提出了整合CBAM注意力机制的AM-FCOS模型用于舌齿痕检测。最后，将该模型与Faster R-CNN、TridentNet、RetinaNet、FCOS算法在由220张图片构成的数据集上，按照8∶1的比例进行训练和测试。结果：测试结果显示，AM-FCOS模型表现最佳，F1值和AP50分别达到了71.3%和70.1%，这表明整合CBAM注意力机制的AM-FCOS模型在检测齿痕特征方面具有显著优势。结论：AM-FCOS模型在舌齿痕特征检测中展现出色性能，可应用于智能辅助舌诊系统。 |
| 关键词: 舌齿痕特征识别 AM-FCOS CBAM |
| DOI： |
|
|
|
|
| () |
| Abstract: |
|
| Key words: |
