वर्तमान अध्ययन ने जीभ की छवि को विभाजित करने के लिए यू-नेट और अन्य गहन शिक्षण एल्गोरिदम का उपयोग किया और जीभ निदान के ऑब्जेक्टिफिकेशन की जांच के लिए विभाजन परिणामों की तुलना की।
जीभ निदान पारंपरिक चीनी चिकित्सा (टीसीएम) निदान की एक आवश्यक तकनीक है, और छवि प्रसंस्करण प्रौद्योगिकी के माध्यम से जीभ छवियों को ऑब्जेक्टिफाई करने की आवश्यकता बढ़ रही है। वर्तमान अध्ययन पिछले एक दशक में जीभ ऑब्जेक्टिफिकेशन में हुई प्रगति का अवलोकन प्रदान करता है और विभाजन मॉडल की तुलना करता है। वास्तविक जीभ छवि सेट का उपयोग करके एल्गोरिदम को सत्यापित करने और तुलना करने के लिए विभिन्न गहन शिक्षण मॉडल का निर्माण किया जाता है। प्रत्येक मॉडल की ताकत और कमजोरियों का विश्लेषण किया जाता है। निष्कर्षों से संकेत मिलता है कि यू-नेट एल्गोरिदम सटीक सटीकता (पीए), रिकॉल, और मीन इंटरसेक्शन ओवर यूनियन (एमआईओयू) मैट्रिक्स के बारे में अन्य मॉडलों से बेहतर है। हालांकि, जीभ छवि अधिग्रहण और प्रसंस्करण में महत्वपूर्ण प्रगति के बावजूद, ऑब्जेक्टिफाइंग जीभ निदान के लिए एक समान मानक अभी तक स्थापित नहीं किया गया है। जीभ निदान ऑब्जेक्टिफिकेशन में मोबाइल उपकरणों का उपयोग करके कैप्चर की गई जीभ छवियों के व्यापक अनुप्रयोग की सुविधा के लिए, आगे के शोध जटिल वातावरण में कैप्चर की गई जीभ छवियों द्वारा उत्पन्न चुनौतियों को संबोधित कर सकते हैं।
जीभ अवलोकन पारंपरिक चीनी जातीय चिकित्सा (टीसीएम) में एक व्यापक रूप से उपयोग की जाने वाली तकनीक है। जीभ का रंग और आकार शारीरिक स्थिति और विभिन्न रोग गुणों, सेवरिटीज और प्रोग्नोस को प्रतिबिंबित कर सकता है। उदाहरण के लिए, पारंपरिक हमोंग चिकित्सा में, जीभ के रंग का उपयोग शरीर के तापमान की पहचान करने के लिए किया जाता है जैसे, एक लाल या बैंगनी जीभ गर्मी से संबंधित रोग संबंधी कारकों को इंगित करती है। तिब्बती चिकित्सा में, एक स्थिति को रोगी की जीभ को देखकर, बलगम के रंग, आकार और नमी पर ध्यान देकर आंका जाता है। उदाहरण के लिए, हेई रोग वाले रोगियों की जीभ लाल और खुरदरी या कालीऔर सूखी हो जाती है; ज़ीरी रोग2 वाले रोगियों में पीली और सूखी जीभ होती है; इस बीच, बदाकन रोग3 वाले रोगियों में सफेद, आर्द्र और नरम जीभ4 होती है। ये अवलोकन जीभ की विशेषताओं और शरीर विज्ञान और विकृति के बीच घनिष्ठ संबंध को प्रकट करते हैं। कुल मिलाकर, जीभ की स्थिति निदान, रोग की पहचान और उपचार प्रभाव के मूल्यांकन में महत्वपूर्ण भूमिका निभाती है।
इसके साथ ही, विभिन्न जातीय समूहों के बीच विविध रहने की स्थिति और आहार प्रथाओं के कारण, जीभ की छवियों में भिन्नता स्पष्ट है। रंग के निर्धारण के लिए एक अंतरराष्ट्रीय मानक के आधार पर स्थापित लैब मॉडल, 1931 में कमीशन इंटरनेशनल एक्लेयर (सीआईई) द्वारा तैयार किया गया था। 1976 में, एक रंग पैटर्न को संशोधित और नामित किया गया था। लैब रंग मॉडल तीन तत्वों से बना है: एल चमक से मेल खाता है, जबकि ए और बी दो रंग चैनल हैं। ए में गहरे हरे रंग (कम चमक मूल्य) से ग्रे (मध्यम चमक मूल्य) से उज्ज्वल गुलाबी (उच्च चमक मूल्य) तक के रंग शामिल हैं; बी उज्ज्वल नीले (कम चमक मूल्य) से ग्रे (मध्यम चमक मूल्य) से पीले (उच्च चमक मूल्य) तक जाता है। पांच जातीय समूहों के जीभ के रंग के एल एक्स ए एक्स बी मूल्यों की तुलना करके, यांग एट अल .5 ने पाया कि हमोंग, हुई, झुआंग, हान और मंगोलियाई समूहों की जीभ छवियों की विशेषताएं एक दूसरे से काफी अलग थीं। उदाहरण के लिए, मंगोलियाई लोगों में पीले जीभ कोटिंग के साथ गहरी जीभ होती है, जबकि हमोंग में सफेद जीभ कोटिंग के साथ हल्की जीभ होती है, यह सुझाव देते हुए कि जीभ की विशेषताओं का उपयोग आबादी की स्वास्थ्य स्थिति का आकलन करने के लिए नैदानिक संकेतक के रूप में किया जा सकता है। इसके अलावा, जीभ छवियां जातीय चिकित्सा के नैदानिक अनुसंधान में साक्ष्य-आधारित चिकित्सा के लिए मूल्यांकन सूचकांक के रूप में कार्य कर सकती हैं। उन्होंने टीसीएम निदान के लिए एक नींव के रूप में जीभ छवियों को नियोजित किया और चीनी और पश्चिमी चिकित्सा के साथ संयुक्त रूप से चाउ-लिंग-डैन छर्रों (सीएलडी ग्रैन्यूल्स- टीसीएम में मौसमी इन्फ्लूएंजा सहित सूजन और ज्वर संबंधी बीमारियों के इलाज के लिए उपयोग किया जाता है) की सुरक्षा और प्रभावकारिता का व्यवस्थित रूप से मूल्यांकन किया। परिणामों ने नैदानिक अध्ययनों के लिए एक मूल्यांकन सूचकांक के रूप में जीभ छवियों की वैज्ञानिक वैधता स्थापित की। फिर भी, पारंपरिक चिकित्सा चिकित्सक आम तौर पर जीभ की विशेषताओं का निरीक्षण करने और रोगियों की शारीरिक और रोग संबंधी स्थितियों का आकलन करने के लिए व्यक्तिपरकता पर भरोसा करते हैं, जिसके लिए अधिक सटीक संकेतकों की आवश्यकता होती है।
इंटरनेट और कृत्रिम बुद्धिमत्ता प्रौद्योगिकी के उद्भव ने जीभ निदान को डिजिटल और ऑब्जेक्टिफाइंग करने का मार्ग प्रशस्त किया है। इस प्रक्रिया मेंजीभ छवियों 7 का गुणात्मक और उद्देश्य विवरण प्रदान करने के लिए गणितीय मॉडल का उपयोग करना शामिल है, जो जीभ की छवि की सामग्री को दर्शाता है। प्रक्रिया में कई चरण शामिल हैं: छवि अधिग्रहण, ऑप्टिकल मुआवजा, रंग सुधार और ज्यामितीय परिवर्तन। पूर्व-संसाधित छवियों को तब छवि स्थिति और विभाजन, सुविधा निष्कर्षण, पैटर्न पहचान आदि के लिए एक एल्गोरिथम मॉडल में खिलाया जाता है। इस प्रक्रिया का आउटपुट जीभ छवि डेटा का एक अत्यधिक कुशल और सटीक निदान है, जिससेजीभ निदान के ऑब्जेक्टिफिकेशन, परिमाणीकरण और सूचनाकरण के लक्ष्य को प्राप्त किया जा सकता है। इस प्रकार, जीभ निदान डेटा की उच्च दक्षता और उच्च परिशुद्धता प्रसंस्करण का उद्देश्य प्राप्त किया जाता है। जीभ निदान ज्ञान और गहरी सीखने की तकनीक के आधार पर, इस अध्ययन ने स्वचालित रूप से एक कंप्यूटर एल्गोरिदम का उपयोग करके जीभ की छवियों से जीभ शरीर और जीभ कोटिंग को अलग कर दिया, ताकि डॉक्टरों के लिए जीभ की मात्रात्मक विशेषताओं को निकाला जा सके, निदान की विश्वसनीयता और स्थिरता में सुधार किया जा सके, और बाद में जीभ निदान ऑब्जेक्टिफिकेशनअनुसंधान के लिए तरीके प्रदान किए जा सकें।
ऊपर प्रस्तुत तुलना परिणामों के आधार पर, यह स्पष्ट है कि विचाराधीन चार एल्गोरिदम की विशेषताएं विविध हैं, और उनके अलग-अलग फायदे और नुकसान नीचे वर्णित हैं। यू-नेट संरचना, एक पूर्ण संक्रामक नेटवर्क के संशो?…
The authors have nothing to disclose.
इस काम को चीन के राष्ट्रीय प्रकृति फाउंडेशन (अनुदान संख्या 82004504), चीन के विज्ञान और प्रौद्योगिकी मंत्रालय के राष्ट्रीय कुंजी अनुसंधान और विकास कार्यक्रम (अनुदान संख्या 2018 वाईएफसी 1707606), सिचुआन प्रांत के चीनी चिकित्सा प्रशासन (अनुदान संख्या 2021 एमएस 199) और चीन के राष्ट्रीय प्रकृति फाउंडेशन (अनुदान संख्या 82174236) द्वारा समर्थित किया गया था।
CPU | Intel(R) Core(TM) i7-9700K | ||
GPU | NVIDIA GeForce RTX 3070 Ti (8192MB) | ||
Operating systems | Microsoft Windows 10 Professional Edition (64-bit) | ||
Programming language | Python | ||
RAM | 16G |