基于计算机视觉的点刺标注与检测

目的:智能化地识别点刺在舌体不同区域的分布情况。方法:首先利用LoG算子对舌体图像进行卷积运算,对舌体上的斑点进行初步检测;随后利用人工交互的方式微调点刺标注,并训练卷积神经网络模型Fast-RCNN。结果:将同一舌象仪采集的240张图像作为训练集,60张图像作为测试集,达到了90.78%的召回率,优于已有的方法。结论:本文提出的数据预标注与人工微调方法将细粒度的点刺标注变为了可能。在精确到点刺个体的数据集基础之上,本文引入卷积神经网络进行亚像素级的点刺分布检测,其结果可为中医临床诊断提供客观化、定量化、自动化的参考依据。

不同过敏原检测方法检测过敏性疾病的结果分析

目的:探讨不同过敏原检测方法检测过敏性疾病的结果。方法:择取2018年2月~2019年2月期间某院收治的48例过敏性皮肤疾病患者,根据其入院时间先后顺序分为对照组与观察组,每组24例。对照组行血清过敏原检测,观察组行皮肤过敏原点刺检测,比较两种检测方法对过敏性皮肤病的诊断效果。结果:观察组对过敏性皮肤病的诊断阳性率95.83%(23/24),对照组对过敏性皮肤病的诊断阳性率75.00%(18/24),前者显著高于后者,差异有统计学意义(P<0.05)。结论:皮肤过敏原点刺检测对过敏性皮肤病诊断效果更好,可为临床医师制定患者治疗方案提供有效依据,且具有操作简单、耗时短等优势,因此该种检测方式值得在临床中进行大力推广。