[發(fā)明專利]一種應(yīng)用淺層神經(jīng)網(wǎng)絡(luò)的中醫(yī)面色自動分類方法

有效

• 申請?zhí)枺?/td>: 201710692254.8
• 申請日: 2017-08-14
• 公開（公告）號: CN107516312B
• 公開（公告）日: 2019-11-15
• 發(fā)明（設(shè)計）人: 張菁;肖慶新;張輝;李曉光;卓力
• 申請（專利權(quán)）人: 北京工業(yè)大學(xué)
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/11;G06K9/62
• 代理公司: 11203 北京思海天達(dá)知識產(chǎn)權(quán)代理有限公司
• 代理人: 劉萍<國際申請>=<國際公布>=<進(jìn)入國

一種應(yīng)用淺層神經(jīng)網(wǎng)絡(luò)進(jìn)行中醫(yī)面色自動分類的方法屬于計算機(jī)視覺領(lǐng)域。設(shè)計的淺層網(wǎng)絡(luò)層數(shù)共有5層，采用三種不同的層結(jié)構(gòu)，分別為輸入層、特征提取層、輸出層。輸入層由一個卷積層和修正線性單元組成；特征提取層由3層網(wǎng)絡(luò)組成，前兩層的每層都由一個卷積層和ReLU激活函數(shù)組成，在卷積層和ReLU之間都有一個批歸一化，并在特征提取層的第二個ReLU后面加入池化層，特征提取層的第三層是一個全連接層，后接一個修正線性單元ReLU；輸出層由全連接層組成，后加一個softmax分類器。本發(fā)明在分類精度上有明顯優(yōu)勢，對縮放、平移、旋轉(zhuǎn)等畸變具有不變性，有很強(qiáng)的魯棒性，能夠有效的提高分類精度，將深度學(xué)習(xí)的理論應(yīng)用于中醫(yī)面診客觀化研究。

技術(shù)領(lǐng)域

本發(fā)明以人體面部圖像為研究對象，在全面分析人體面部圖像特征的基礎(chǔ)上，利用人工智能領(lǐng)域的最新研究成果——深度學(xué)習(xí)技術(shù)，提出一種應(yīng)用淺層神經(jīng)網(wǎng)絡(luò)進(jìn)行中醫(yī)面色自動分類的方法，該方法通過自動學(xué)習(xí)人體面部圖像的深度特征進(jìn)行面色分類，避免了手工特征選取所產(chǎn)生的不確定因素，以提高中醫(yī)面色分類的準(zhǔn)確性和魯棒性。本發(fā)明屬于計算機(jī)視覺領(lǐng)域和中醫(yī)面診領(lǐng)域，具體涉及深度學(xué)習(xí)、圖像處理等技術(shù)。

背景技術(shù)

中醫(yī)診斷的主要依據(jù)是“四診”即“望、聞、問、切”的信息。中醫(yī)面色診是中醫(yī)學(xué)中望診的重要組成部分，中醫(yī)學(xué)認(rèn)為，面部猶如反映人體生理病理的一面鏡子，望五官神色變化，可直接診察臟腑病變。根據(jù)中醫(yī)五臟配五色的理論，人臉面色有青、赤、黃、白、黑幾種分類，青黑多主痛證，黃赤多主熱證，白多主寒證。傳統(tǒng)面色診法主要是通過醫(yī)生直觀目測面色、語言描述和經(jīng)驗(yàn)辨析面色，其診斷結(jié)果既受醫(yī)生的知識水平、思維能力和診斷技能的限制，又受光線、溫度等外部客觀條件的影響，臨床上缺乏恒定的客觀評價標(biāo)準(zhǔn)。隨著計算機(jī)技術(shù)的發(fā)展，研究者們開始將圖像處理、模式識別和人工智能等信息處理技術(shù)應(yīng)用于中醫(yī)面色診斷客觀化研究中，并取得了一定的研究成果。較為常見的面色特征自動分類方法有基于稀疏表示分類(SRC)的分類方法、基于K近鄰的分類方法和基于支持向量機(jī)的分類方法等。在以上分類方法中，人臉面色分類的精確度依賴于手工特征的選取，提取的手工特征以顏色特征為主，并且手工特征提取過程需要投入巨大工作量。通常情況下，這些手工特征都是建立在特定的光照環(huán)境下，對光照比較敏感，以這些特征建立的面色分類模型泛化能力不夠，不能適應(yīng)復(fù)雜多變的圖像采集環(huán)境。為此，需要引入新的特征提取技術(shù)和信息處理技術(shù)以提高人臉面色分類的魯棒性以及分類精確度。

近年來，深度學(xué)習(xí)在圖像分類、目標(biāo)檢測和語義分割等諸多領(lǐng)域取得了巨大成功，它將圖像的低層特征組合而成更加抽象的特征，以此特征對數(shù)據(jù)進(jìn)行更深入的刻畫。在圖像分類方面，為了減少傳統(tǒng)方法手工提取特征的工作量，深度學(xué)習(xí)將特征提取和分類結(jié)合到一個框架中，通過數(shù)據(jù)驅(qū)動學(xué)習(xí)圖像與其屬性的映射關(guān)系，在端對端學(xué)習(xí)過程中，深度學(xué)習(xí)需要高質(zhì)量的大數(shù)據(jù)作為支撐，其網(wǎng)絡(luò)設(shè)計也是重要的一部分。然而，在中醫(yī)面診領(lǐng)域，一方面，高質(zhì)量的醫(yī)學(xué)數(shù)據(jù)樣本嚴(yán)重稀缺；另一方面，在數(shù)據(jù)采集過程，受到外界因素的干擾，獲得的正確標(biāo)注的高質(zhì)量面色數(shù)據(jù)集樣本數(shù)量較小，難以滿足深度學(xué)習(xí)依靠大數(shù)據(jù)驅(qū)動學(xué)習(xí)的需求。也就是說，現(xiàn)有的深層神經(jīng)網(wǎng)絡(luò)與小數(shù)據(jù)的組合方式訓(xùn)練困難，無法很好地應(yīng)用于中醫(yī)面色分類。最近，一些學(xué)者提出了淺層網(wǎng)絡(luò)的思路，淺層結(jié)構(gòu)的神經(jīng)網(wǎng)絡(luò)能夠減少對訓(xùn)練樣本數(shù)據(jù)量的依賴，其網(wǎng)絡(luò)訓(xùn)練容易，顯然，淺層網(wǎng)絡(luò)與小樣本的組合方式更加適用于中醫(yī)面色自動分類。

為此，本發(fā)明在全面分析人體面部圖像特征的基礎(chǔ)上，利用深度學(xué)習(xí)技術(shù)，提出一種應(yīng)用淺層神經(jīng)網(wǎng)絡(luò)進(jìn)行中醫(yī)面色自動分類的方法。本發(fā)明利用人體面部圖像的深度特征進(jìn)行面色分類，避免了手工特征選取的影響，是將深度學(xué)習(xí)的理論應(yīng)用于中醫(yī)面診客觀化研究的一次重要嘗試，對推動中醫(yī)面診客觀化研究的發(fā)展具有重要意義。

發(fā)明內(nèi)容

本發(fā)明的目的是提供一種具有分類準(zhǔn)確度高、魯棒性強(qiáng)的人臉面色自動分類方法。針對現(xiàn)有技術(shù)的不足，專門設(shè)計了一種淺層神經(jīng)網(wǎng)絡(luò)，并提出一種基于淺層神經(jīng)網(wǎng)絡(luò)的中醫(yī)面色自動分類方法，方案整體流程圖如圖1所示。該方法包含離線模型訓(xùn)練階段和在線面色分類階段，具體包括以下步驟：

(1)構(gòu)建人臉面色圖像訓(xùn)練數(shù)據(jù)集。