Name: objectification of tongue diagnosis in traditional medicine, data analysis, and study application
Uploaded: 2023-04-14T14:15:00
Description: Watch this Scientific Journal Video about Objectification of Tongue Diagnosis in Traditional Medicine, Data Analysis, and Study Application at JoVE.com

Ce travail a été soutenu par la Fondation nationale de la nature de Chine (subvention n ° 82004504), le Programme national de recherche et de développement clé du ministère de la Science et de la Technologie de Chine (subvention n ° 2018YFC1707606), l’Administration de la médecine chinoise de la province du Sichuan (subvention n ° 2021MS199) et la Fondation nationale de la nature de Chine (subvention n ° 82174236).

Cette étude a été approuvée par le projet de la Fondation nationale des sciences naturelles de Chine, Constructing Dynamic Change rules of TCM Facial image Based on Association Analysis. Le numéro d’approbation éthique est 2021KL-027, et le comité d’éthique a approuvé l’étude clinique à réaliser conformément aux documents approuvés qui comprennent le protocole de recherche clinique (2021.04.12, V2.0), le consentement éclairé (2021.04.12, V2.0), le matériel de recrutement des sujets (2021.04.12, V2....

<ol>
	<li>Jiu, G., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Effects+of+herbal+therapy+on+intestinal+microbiota+and+serum+metabolomics+in+different+rat+models+of+Mongolian+medicine.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Study+on+the+correlation+between+the+animal+model+of+Mongolian+medicine+34;Xieri+disease&amp;#34;+and+serum+ALT+and+AST.">Study on the correlation between the animal model of Mongolian medicine 34;Xieri disease&amp;#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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Study+on+the+mechanism+of+serum+differential+protein+changes+in+bronchial+asthma+based+on+proteomics.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Band+Seed.+The+origin+and+development+of+tongue+diagnosis+in+Mongolian+medicine.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+comparative+study+on+the+feature+parameters+of+tongue+diagnosis+images+in+five+nationalities.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=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.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Scientific+knowledge+mapping+and+visualization+analysis+in+the+field+of+Chinese+medicine+tongue+feature+objectification+research.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Research+progress+of+color+correction+methods+for+tongue+and+face+diagnosis+in+traditional+Chinese+Medicine.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Tongue+image+analysis+and+its+mobile+app+development+for+health+diagnosis.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Semantic+segmentation+evaluation+index+and+evaluation+method.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Mu-net:+Multi-scale+U-net+for+two-photon+microscopy+image+denoising+and+restoration.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+review+on+the+application+of+U-Net+and+its+variants+in+medical+image+segmentation.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Research+overview+of+tongue+objectification+in+traditional+Chinese+medicine+based+on+computer+image+technology.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Internet+of+things+and+synergic+deep+learning+based+biomedical+tongue+color+image+analysis+for+disease+diagnosis+and+classification.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Analysis+of+the+development+and+application+of+tongue+diagnosis+objectification+techniques+in+Chinese+medicine.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Reshaping+inputs+for+convolutional+neural+network:+some+common+and+uncommon+methods.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Research+progress+of+digital+acquisition+and+characterization+of+tongue+diagnosis+information.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Automatic+tongue+image+segmentation+based+on+gradient+vector+flow+and+region+merging.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+method+for+tongue+detection+based+on+image+segmentation.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Deep+learning-based+tongue+feature+analysis.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Research+on+deep+learning-based+tongue+fissure+segmentation+algorithm.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Research+on+the+identification+method+of+tongue+punctures+based+on+auxiliary+light+source.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+fully+connected+neural+network+based+on+migration+learning+for+tongue+image+classification.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Research+on+tongue+feature+classification+method+based+on+deep+migration+learning.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Study+on+modern+techniques+and+methods+of+tongue+diagnosis.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+multi-stage+tongue+image+classification+algorithm+incorporating+attention+mechanism.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+new+clustering+analysis+algorithm+based+on+deep+learning.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+decision+tree+algorithm+for+classification+of+non-small+cell+lung+cancer+evidence+based+on+tongue+and+pulse+data.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Study+on+the+feature+analysis+and+diagnosis+model+of+diabetic+tongue+based+on+random+forest+algorithm.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&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.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&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.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Semantic+segmentation+dataset+for+AI-based+quantification+of+clean+mucosa+in+capsule+endoscopy.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+review+of+research+on+deep+learning+in+tongue+image+classification.">A review of research on deep learning in tongue image classification.</a> Computer Science and Exploration. , 1-23 (2022).</li></ol>

Sur la base des résultats de comparaison présentés ci-dessus, il est évident que les caractéristiques des quatre algorithmes considérés sont variées et que leurs avantages et inconvénients distincts sont décrits ci-dessous. La structure U-Net, basée sur la modification et l’expansion d’un réseau de convolution complet, peut obtenir des informations contextuelles et un positionnement précis grâce à un chemin de contraction et un chemin d’expansion symétrique. En classant chaque point de pixel, cet al...

L’observation de la langue est une technique largement utilisée dans la médecine ethnique traditionnelle chinoise (MTC). La couleur et la forme de la langue peuvent refléter la condition physique et diverses propriétés, sévérités et pronostics de la maladie. Par exemple, dans la médecine traditionnelle Hmong, la couleur de la langue est utilisée pour identifier la température corporelle, par exemple, une langue rouge ou violette indique des facteurs pathologiques liés à la chaleur. Dans la médecine tibétaine, une condition est jugée en observant la langue d’un patient, en prêtant attention à la couleur, la forme et l’humidité du mucus. Par exemple, les langues des patients atteints de la maladie de Heyi deviennent rouges et rugueuses ou noires et sèches1; les patients atteints de la maladie de Xieri2 ont la langue jaune et sèche; pendant ce temps, les patients atteints de la maladie de Badakan3 ont une langue blanche, humide et douce4. Ces observations révèlent la relation étroite entre les caractéristiques de la langue et la physiologie et la pathologie. Dans l’ensemble, l’état de la langue joue un rôle essentiel dans le diagnostic, l’identification de la maladie et l’évaluation de l’effet du traitement.
Simultanément, en raison de la diversité des conditions de vie et des pratiques alimentaires entre les différents groupes ethniques, les variations dans les images de la langue sont évidentes. Le modèle Lab, établi sur la base d’une norme internationale pour la détermination de la couleur, a été formulé par la Commission Internationale d’Éclairage (CIE) en 1931. En 1976, un motif de couleur a été modifié et nommé. Le modèle colorimétrique Lab est composé de trois éléments : L correspond à la luminosité, tandis que a et b sont deux canaux de couleur. a Comprend des couleurs allant du vert foncé (valeur de luminosité faible) au gris (valeur de luminosité moyenne) en passant par le rose vif (valeur de luminosité élevée); b va du bleu vif (valeur de luminosité faible) au gris (valeur de luminosité moyenne) puis au jaune (valeur de luminosité élevée). En comparant les valeurs L x a x b de la couleur de la langue de cinq groupes ethniques, Yang et al.5 ont constaté que les caractéristiques des images de langue des groupes Hmong, Hui, Zhuang, Han et mongol étaient significativement distinctes les unes des autres. Par exemple, les Mongols ont une langue foncée avec un revêtement de langue jaune, tandis que les Hmong ont des langues claires avec un revêtement de langue blanche, ce qui suggère que les caractéristiques de la langue peuvent être utilisées comme indicateur diagnostique pour évaluer l’état de santé d’une population. De plus, les images de langue peuvent fonctionner comme un indice d’évaluation pour la médecine fondée sur des preuves dans la recherche clinique de la médecine ethnique. Lui et coll.6 ont utilisé des images de langue comme base pour le diagnostic de la MTC et ont systématiquement évalué l’innocuité et l’efficacité des pastilles de Chou-Ling-Dan (granules de DCC utilisés pour traiter les maladies inflammatoires et fébriles, y compris la grippe saisonnière dans la MTC) combinés à la médecine chinoise et occidentale. Les résultats ont établi la validité scientifique des images de langue comme indice d’évaluation pour les études cliniques. Néanmoins, les tradipraticiens s’appuient généralement sur la subjectivité pour observer les caractéristiques de la langue et évaluer les conditions physiologiques et pathologiques des patients, nécessitant des indicateurs plus précis.
L’émergence d’Internet et de la technologie de l’intelligence artificielle a ouvert la voie à la numérisation et à l’objectivation du diagnostic de la langue. Ce processus implique l’utilisation de modèles mathématiques pour fournir une description qualitative et objective des images de la langue7, reflétant le contenu de l’image de la langue. Le processus comprend plusieurs étapes : acquisition d’image, compensation optique, correction des couleurs et transformation géométrique. Les images prétraitées sont ensuite introduites dans un modèle algorithmique pour le positionnement et la segmentation des images, l’extraction de caractéristiques, la reconnaissance de formes, etc. Le résultat de ce processus est un diagnostic très efficace et précis des données d’image de la langue, atteignant ainsi l’objectif d’objectivation, de quantification et d’informatisation du diagnostic de la langue8. Ainsi, l’objectif d’un traitement de haute efficacité et de haute précision des données de diagnostic de la langue est atteint. Basée sur les connaissances en matière de diagnostic de la langue et la technologie d’apprentissage profond, cette étude a automatiquement séparé le corps de la langue et le revêtement de la langue des images de la langue à l’aide d’un algorithme informatique, afin d’extraire les caractéristiques quantitatives des langues pour les médecins, d’améliorer la fiabilité et la cohérence du diagnostic et de fournir des méthodes pour la recherche ultérieure sur l’objectivation du diagnostic de la langue9.

<table border="1" fo:keep-together.within-page="1" fo:keep-with-next.within-page="always">
	<tbody>
		<tr>
			<td>CPU</td>
			<td>Intel(R) Core(TM) i7-9700K</td>
			<td></td>
			<td></td>
		</tr>
		<tr>
			<td>GPU</td>
			<td>&#160;NVIDIA GeForce RTX 3070 Ti (8192MB)</td>
			<td></td>
			<td></td>
		</tr>
		<tr>
			<td>Operating systems</td>
			<td>Microsoft Windows 10 Professional Edition (64-bit)</td>
			<td></td>
			<td></td>
		</tr>
		<tr>
			<td>Programming language</td>
			<td>Python</td>
			<td></td>
			<td></td>
		</tr>
		<tr>
			<td>RAM</td>
			<td>16G</td>
			<td></td>
			<td></td>
		</tr>
	</tbody>
</table>

objectification of tongue diagnosis in traditional medicine, data analysis, and study application

Le diagnostic de la langue est une technique essentielle du diagnostic de la médecine traditionnelle chinoise (MTC), et le besoin d’objectiver les images de la langue grâce à la technologie de traitement d’image augmente. La présente étude donne un aperçu des progrès réalisés dans l’objectivation de la langue au cours de la dernière décennie et compare les modèles de segmentation. Différents modèles d’apprentissage profond sont construits pour vérifier et comparer les algorithmes à l’aide d’ensembles d’images de langue réelles. Les forces et les faiblesses de chaque modèle sont analysées. Les résultats indiquent que l’algorithme U-Net surpasse les autres modèles en ce qui concerne la précision de précision (PA), le rappel et l’intersection moyenne sur les mesures d’union (MIoU). Cependant, malgré les progrès significatifs dans l’acquisition et le traitement de l’image de la langue, une norme uniforme pour objectiver le diagnostic de la langue n’a pas encore été établie. Pour faciliter l’application généralisée des images de langue capturées à l’aide d’appareils mobiles dans l’objectivation du diagnostic de la langue, d’autres recherches pourraient résoudre les défis posés par les images de langue capturées dans des environnements complexes.

Pour les résultats de la comparaison, voir la figure 12, la figure 13 et le tableau 1, où l’environnement construit par cette étude utilise les mêmes échantillons pour former et tester le modèle algorithmique. Indicateur MIoU: U-Net > Seg-Net > PSPNet > DeeplabV3; Indicateur AMP : U-Net > Seg-Net > PSPNet > DeeplabV3 ; indicateur de précision: U-Net > Seg-Net > DeeplabV3 > PSPNet; rappel : U-Net > Seg-Net > PSPNet > DeeplabV3. Plus la v...

Watch this Scientific Journal Video about Objectification of Tongue Diagnosis in Traditional Medicine, Data Analysis, and Study Application at JoVE.com

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

La présente étude a utilisé U-Net et d’autres algorithmes d’apprentissage profond pour segmenter une image de langue et a comparé les résultats de la segmentation pour étudier l’objectivation du diagnostic de la langue.

Objectivation du diagnostic de la langue en médecine traditionnelle, analyse de données et application d’étude

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

Ce protocole utilise un algorithme d’apprentissage profond pour segmenter les images de la langue et sépare automatiquement la langue de l’image entière, qui peut être utilisée pour des recherches ultérieures. Ce protocole compare les performances de l’algorithme de segmentation d’image à quatre langues pour sélectionner l’algorithme de base qui peut segmenter une langue avec un compteur clair. Des instruments et des algorithmes brevetés sont utilisés dans cette étude.Il est recommandé d’utiliser des instruments professionnels et de maîtriser la technologie informatique. Pour commencer, préparez l’instrument de diagnostic lingual du visage portable développé par vous-même pour recueillir des images linguales du visage des patients. Remplissez le nom, le sexe, l’âge et la maladie du patient sur la page de l’ordinateur.Ensuite, demandez au patient de s’asseoir droit et de positionner le dispositif d’acquisition d’images connecté à l’ordinateur. Ensuite, positionnez le visage du patient dans l’instrument d’acquisition d’images et demandez-lui d’étendre sa langue hors de sa bouche au maximum. Vérifiez à travers les images sur l’écran de l’ordinateur que le patient est dans la bonne position et que la langue et le visage sont complètement exposés.Appuyez trois fois sur le bouton de prise de vue de l’écran de l’ordinateur pour capturer trois images. Ensuite, sélectionnez manuellement les images collectées du visage et de la langue. Filtrez-les en fonction de la page Acquisition d’images du logiciel.Collectez trois images de chaque patient à la fois et exportez-les dans un dossier pour un dépistage manuel. Ensuite, sélectionnez une image standard, entièrement exposée, bien éclairée et claire, l’échantillon pour la formation et les tests d’algorithmes. Supprimez les images qui ne répondent pas aux critères d’une image standard.Les critères d’exclusion sont l’exposition incomplète de la langue et du visage et les images trop sombres. Pour effectuer la segmentation de l’image de la langue, ouvrez LabelMe et cliquez sur le bouton Ouvrir dans le coin supérieur gauche de l’interface. Sélectionnez le dossier contenant l’image à segmenter et ouvrez les photos.Cliquez sur le bouton Créer un polygone pour suivre les points. Suivez les formes de la langue et de la langue, nommez-les en fonction des zones sélectionnées et enregistrez-les. Une fois le suivi terminé, cliquez sur Enregistrer pour enregistrer l’image dans le dossier de données.Configurez l’appareil pour capturer des images d’une taille de 1080 x 1920 pixels et assurez-vous que la taille de l’image remplie est de 1920 x 1920 pixels. Filtrez manuellement les images de chaque patient pour sélectionner et retenir l’une des trois images qui ont été prises pour des facteurs incontrôlables, tels que le clignotement du sujet et le blocage de la lentille. Pour l’entraînement du modèle, collectez les données de 200 personnes ou 600 images et conservez environ 200 images utilisables après la projection.Divisez au hasard toutes les images de langue en fonction du numéro d’image, en plaçant 70 % d’entre elles dans le kit d’entraînement et 30 % des images dans le dossier Test Set. Téléchargez et installez Anaconda Python et LabelMe à partir de leurs sites officiels. Activez l’environnement et terminez l’installation et le réglage de l’environnement global.Choisissez le modèle approprié à l’objectif de la recherche. Dans cette étude, UNet, SegNet, DeepLab Version 3 et PSPNet ont été sélectionnés pour validation. Ensuite, générez le modèle d’algorithme d’apprentissage profond dans l’environnement installé.Ajustez les paramètres en ajustant les valeurs et terminez l’apprentissage du modèle à l’aide de l’ensemble d’entraînement. À l’aide de l’annotation LabelMe et de méthodes de taille d’image uniforme, construisez l’ensemble de données requis en conjonction avec le contenu de la recherche. Examinez les résultats de la segmentation et évaluez les performances du modèle en fonction de quatre mesures, la précision, le rappel, la précision moyenne des pixels ou MPA, et MIOU, pour obtenir une évaluation plus complète.Comparez les valeurs générées des quatre modèles. Plus la valeur est élevée, plus la précision de segmentation est élevée et meilleures sont les performances du modèle. Selon les résultats de l’indice, l’algorithme UNet est supérieur aux autres algorithmes de MIOU, MPA, précision et rappel, et sa précision de segmentation est également plus élevée.PSPNet est meilleur que DeepLab Version 3 dans MIOU, MPA et recall, tandis que le modèle DeepLab Version 3 est inférieur au modèle de segment dans tous les index. Dans la segmentation de la langue, la zone rouge externe de l’image résulte de la segmentation de la langue et la zone verte intérieure résulte de la segmentation du revêtement de la langue. Dans cette étude, l’algorithme unitaire a bien fonctionné dans la segmentation de la langue, et d’autres recherches peuvent être menées sur la base des algorithmes unitaires.

Research

JoVE Journal

Medicine

Technique to Collect Fungiform (Taste) Papillae from Human Tongue

Technique to Collect Fungiform Taste Papillae from Human Tongue

Technique pour collecter des fongiformes (goût) Papilles de la langue de l&#39;homme

The sense of taste is critical for human life. It informs the body about the quality of food that will be potentially ingested and stimulates metabolic ...

Recherche

Médecine

Microarray-based Identification of Individual HERV Loci Expression: Application to Biomarker Discovery in Prostate Cancer

Identification à base de microréseaux de HERV individuelle Loci Expression: Demande de Découverte de biomarqueurs dans le cancer de la prostate

The prostate-specific antigen (PSA) is the main diagnostic biomarker for prostate cancer in clinical use, but it lacks specificity and sensitivity, ...

Hydra, a Computer-Based Platform for Aiding Clinicians in Cardiovascular Analysis and Diagnosis

Hydra, une plateforme informatique pour aider les cliniciens dans le diagnostic et d’analyse cardiovasculaire

Cardiovascular diseases (CVDs) are the leading cause of death throughout the world. The total risk of developing CVD is determined by the combined effect ...

High-Throughput Analysis of Optical Mapping Data Using ElectroMap

Analyse à haut débit des données de cartographie optique à l'aide d'ElectroMap

Optical mapping is an established technique for high spatio-temporal resolution study of cardiac electrophysiology in multi-cellular preparations. Here we ...

Preparation of Naringenin Solution for In Vivo Application

Preparation of Naringenin Solution for In Vivo Application

Préparation de la solution de naringénine pour application in vivo

The preparation of a compound (phytochemical) solution is an overlooked but critical step prior to its application in studies such as drug screening. The ...

An In Vitro Dissolution Determination of Multi-Index Components in Tibetan Medicine Rhodiola Granules

An In Vitro Dissolution Determination of Multi-Index Components in Tibetan Medicine Rhodiola Granules

Détermination in vitro de la dissolution de composants multi-index en médecine tibétaine Granules de rhodiola

The composition of the Tibetan medicine Rhodiola granules (RG) is complex, and the overall quality of RG is difficult to determine. Therefore, ...

Visualization of Metabolites Identified in the Spatial Metabolome of Traditional Chinese Medicine Using DESI-MSI

Visualisation des métabolites identifiés dans le métabolome spatial de la médecine traditionnelle chinoise à l’aide de DESI-MSI

The medicinal use of traditional Chinese medicine is mainly due to its secondary metabolites. Visualization of the distribution of these metabolites has ...

Enema of Traditional Chinese Medicine for Patients with Severe Acute Pancreatitis

Lavement de la médecine traditionnelle chinoise pour les patients atteints de pancréatite aiguë sévère

Severe acute pancreatitis (SAP) is characterized by high mortality rates, numerous complications, and extreme difficulties in treatment. A traditional ...

A Traditional Chinese Medicine Characteristic Therapy for Bronchial Asthma: Moxibustion

Une thérapie caractéristique de la médecine traditionnelle chinoise pour l’asthme bronchique : la moxibustion

Bronchial asthma is a chronic inflammatory disease of the airway which can lead to symptoms such as recurrent wheezing, shortness of breath, chest ...

Manipulation standardisée du Tuina pour l’arthrose du genou chez le rat

Tuina Manipulation to Reduce Inflammation and Cartilage Loss in Knee Osteoarthritis Rats

Pleins feux sur l’auteur : Comprendre le mécanisme de manipulation du tuina chez le rat 

Manipulation du tuina pour réduire l’inflammation et la perte de cartilage chez les rats souffrant d’arthrose du genou

Clinical trials suggest that Tuina manipulation is effective in treating knee osteoarthritis (KOA), while further studies are required to discover its ...