【技术实现步骤摘要】
基于深度学习的皮肤病舌象分类模型、建立方法及应用
[0001]本专利技术涉及中医智能诊断算法领域,具体涉及一种基于深度学习的皮肤病舌像分类模型、建立方法及应用。
技术介绍
[0002]中医治疗皮肤病,是把局部改变与整体的气血、经络以及脏腑、津液等的改变加以联系起来,内外兼治,通过观察皮损的特征,确定所属的皮肤病类型,然后根据中医辨证论治原则,确定所属证候进行用药。中医在治疗皮肤病时不同的皮肤病用不同的方法治疗,同时,相同的病症,不同阶段治疗方法也不相同,因此对皮肤病辨证施治才能够提高治疗效果。
[0003]在中医辨证的过程之中,舌象的观察非常重要,根据舌象能了解机体正气之盛衰,病邪之深浅,以指导临床辨证和治疗。观察舌象辨清舌体和舌苔颜色的相关属性,同时观察皮损颜色的不同,对于判断皮肤病的病情发展十分重要。因此,把舌象和皮损特征结合起来综合分析,理清它们之间的辩证关系,就能对皮肤病进行有效的治疗。舌诊是中医辨证论治的重要依据,然而传统的舌诊主要依赖于医生的经验,不同的医生对舌象的辨识能力存在一定的差异,具有一定的主观性与不确定性;同时在舌象诊断发展过程中,许多经验未能得到传承与发展,缺少统一化、规范化的标准;其次,不同光源对医师能否做出正确的舌象诊断结果产生较大的影响。因此,需要为舌诊建立一个客观的、定量的诊断标准。
[0004]目前,出现了一些中医智能诊断模型,其中大多是直接应用较为成熟的人工智能方法,如知识工程、数理统计、机器学习和深度学习等。然而这些方法也存在一定的局限性,知识工程在解决推理链过长 ...
【技术保护点】
【技术特征摘要】
1.一种基于深度学习的皮肤病舌象分类模型的建立方法,其特征在于:包括以下步骤:步骤1:使用手机或者舌象采集设备拍摄舌象;步骤2:对步骤1中得到的舌象进行预处理,分割出舌体;具体方法为:首先使用labelme对收集到的舌象进行手工标注,将舌象从背景中划分出来,标注结束后,创建mask数据集;接着使用Mask
‑
RCNN网络对mask数据集进行训练,并保存训练好的舌象分割模型;最后利用保存的舌象分割模型,对图像进行分割;步骤3:将步骤2中分割好的舌象输入CBAM_MobilenetV2网络模型中提取特征;将任意尺寸的舌象送入到网络模型中,首先通过卷积层提取舌象特征,接着把提取的特征送到通道和空间注意力模块获得加权结果;将高层低分辨率的舌象特征进行上采样,并将采样后的特征图与低层的特征图相加,实现高低层特征的融合;步骤4:融合后的特征作为softmax分类器的输入,进行分类器的训练,最终得到舌象分类模型。2.一种基于深度学习的皮肤病舌象分类模型,是采用权利要求1所述的建立方法建立得到。3.根据权利要求2所述的舌象分类模型在制备皮肤病辅助诊断装置中的应用。4.一种基于舌象特征的皮肤病辅助诊断装置,其特征在于:包括:舌象采集模块,用于原始舌象的采集;舌象预处理模块,用于对采集到的舌象进行预处理,使用Mask R
‑
CNN网络对舌象进行分割,将分割好的舌象随机划分为训练集和测试集;特征提取模块,用于将分割好的舌象输入神经网络模型中进行特征提取,获取皮肤病舌象数据;所述神经网络模型为CBAM_MobilenetV2,由标准卷积层、深度可分离卷积层、批归一化层、平均池化层、全连接层以及最后的softmax分类器组成;通过倒残差连接,将网络不同层级的特征进行融合;在特征融合的基础上,引入通道和空间注意力机制;神经网络分类模块,将处理好的皮肤病舌象数据进行标注,每张舌象上都打上标签;随后将带有标签数据的舌象输入到神经网络模型中,根据损失结果调整网络模型,提取最适合用于辨证的舌象特征,训练完成后保存皮肤病舌象分类模型,使用测试集,对训练好的模型进行测试;类别和概率输出模块,用于将训练好的舌象分类模型部署到移动端,在移动端输入待测试的舌象,然后加载到舌象分类模型中,计算每个类别结果的概率,最后概率最高的类别作为结果进行输出,输出形式为症候类别以及概率;供电模块,用于对舌象采集模块、舌象预处理模块、特征提取模块、神经网络分类模块、以及类别和概率输出模块进行供电。5.根据权利要求4所述的皮肤病辅助诊断装置,其特征在于:所...
【专利技术属性】
技术研发人员:郑瑞娟,王莎莎,王琳,张明川,朱军龙,吴庆涛,冀治航,刘牧华,
申请(专利权)人:河南科技大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。