RT-DEMT: 一种结合 Mamba 与 Transformer 的混合实时穴位检测模型
计算机视觉与模式识别
2025-02-18 v1 人工智能
摘要
传统中医针灸方法在临床实践中常因主观性高而存在争议。此外，当前智能辅助针灸系统存在两大局限：穴位定位速度慢和准确率低。为解决这些局限，新方法利用状态空间模型 Mamba 的优秀推理效率，同时保留传统 DETR 架构中注意力机制的优势，以实现高效的全局信息整合，为穴位定位任务提供高质量特征信息。此外，通过采用残差似然估计的概念，消除了对复杂上采样过程的需求，从而加速穴位定位任务。我们的方法在人体背部穴位私有数据集上达到了最先进的（SOTA）准确率，平均欧氏距离像素误差（EPE）为 7.792，平均每次定位任务耗时 10.05 毫秒。与第二优算法相比，我们的方法在准确率和速度上均提升了约 14%。这一显著进展不仅提高了针灸治疗的疗效，也展示了自动化针灸机器人系统的商业潜力。我们的方法可在 https://github.com/Sohyu1/RT-DEMT 获取。
引用
@article{arxiv.2502.11179,
title = {RT-DEMT: A hybrid real-time acupoint detection model combining mamba and transformer},
author = {Shilong Yang and Qi Zang and Chulong Zhang and Lingfeng Huang and Yaoqin Xie},
journal= {arXiv preprint arXiv:2502.11179},
year = {2025}
}
备注
10 pages, 3 figures