机构名称：
¥ 1.0
摘要：舌头疾病的诊断是基于对各种舌头特征的观察，包括颜色，形状，质地和水分，这些特征表明患者的健康状况。舌色是一种这样的特征，在识别疾病和疾病进展水平方面起着至关重要的功能。随着计算机视觉系统的发展，尤其是在人工智能领域，在获取，处理和分类舌头图像方面取得了重要进展。本研究提出了一个新的成像系统，以分析和提取不同颜色饱和的舌色特征，并在五种颜色空间模型（RGB，YCBCR，HSV，LAB和YIQ）的不同光条件下。使用六个机器学习算法（即幼稚的贝叶斯（NB），支持向量机（SVM），K-Neareart Neight（KNN），DICKERT（NB），决策树（DTS），森林（DTS），森林（dts），森林（dts），fortive（dts fornes forter（dts forter）（dts），训练了5260个图像（红色，黄色，绿色，蓝色，灰色，白色，白色和粉红色）。在任何照明条件下颜色。 从机器学习算法获得的结果说明，XGBoost的精度最高，为98.71％，而NB算法的精度最低，为91.43％。 基于这些获得的结果，选择了XGBoost算法作为所提出的成像系统的分类器，并与图形用户界面相关联，以实时预测舌色及其相关疾病。 因此，该提出的成像系统为未来的护理卫生系统内的舌头诊断开辟了大门。训练了5260个图像（红色，黄色，绿色，蓝色，灰色，白色，白色和粉红色）。在任何照明条件下颜色。从机器学习算法获得的结果说明，XGBoost的精度最高，为98.71％，而NB算法的精度最低，为91.43％。基于这些获得的结果，选择了XGBoost算法作为所提出的成像系统的分类器，并与图形用户界面相关联，以实时预测舌色及其相关疾病。因此，该提出的成像系统为未来的护理卫生系统内的舌头诊断开辟了大门。
二氧化碳和基于木质素的可持续聚合物，
主要关键词
相关文件推荐
