[發明專利]一種基于深度學習模型確定舌象樣本庫的方法和系統

有效

• 申請號: 201811543209.7
• 申請日: 2018-12-17
• 公開（公告）號: CN109766916B
• 公開（公告）日: 2023-05-16
• 發明（設計）人: 王雨晨;宋臣;湯青;魏春雨;周楓明;趙珉一;王東衛
• 申請（專利權）人: 新繹健康科技有限公司
• 主分類號: G06V10/774
• 分類號: G06V10/774;G06N3/02;G06F16/50
• 代理公司: 北京工信聯合知識產權代理有限公司 11266
• 代理人: 蘆玲玲

1.一種基于深度學習模型確定舌象樣本庫的方法，其特征在于，所述方法包括：

步驟1、將舌象樣本集中第i次標注的全部舌樣本圖像劃分為訓練集和測試集，并將第j個舌象特征轉換成深度學習模型可識別的數據，其中，1≤i≤m，1≤j≤n，i、j的起始值為1，m、n均為自然數；

步驟2、進行深度學習模型的網絡參數配置和求解參數配置；

步驟3、通過運行編寫的模型訓練腳本文件確定深度學習模型的準確率，當所述準確率低于設置的閾值時，令i＝i+1,轉至步驟1，當所述準確率大于等于設置的閾值，且j＜n時，令i＝1,j＝j+1，轉至步驟1，當所述準確率大于等于設置的閾值，且j＝n時，包括n個舌象特征標注結果的舌象樣本集即為中醫舌診中的舌象樣本庫。

2.根據權利要求1所述的方法，其特征在于，所述方法在將舌象樣本集中第i次標注的全部舌樣本圖像的第j個舌象特征轉換成深度學習模型可識別的數據之前還包括：

采集若干舌樣本圖像，并篩除不符合標注需求的圖像后生成舌象樣本集，其中所述不符合標注需求的圖像包括圖像顏色偏差大于設定值，圖像模糊、舌上有異物和舌頭顯示不全；

采用符合標注需求的顯示裝置呈現舌樣本圖像，并對所述圖像的第j個舌象特征進行第i次標注，其中，所述符合標注需求的顯示裝置是指分辨率達到設置值的顯示裝置。

3.根據權利要求1所述的方法，其特征在于，所述舌象樣本集中第i次標注的全部舌樣本圖像的第j個舌象特征均是在對舌象樣本集中全部舌樣本圖像的第j個舌象特征進行第i-1次標注的基礎上進行再次修正而形成的，其中，2≤i≤m，1≤j≤n，m、n均為自然數。

4.根據權利要求1所述的方法，其特征在于，所述將舌象樣本集中第i次標注的全部舌樣本圖像劃分為訓練集和測試集，并將第j個舌象特征轉換成深度學習模型可識別的數據包括：

將舌象樣本集中的全部舌樣本圖像進行劃分，其中一部分歸屬于訓練集，剩下的部分歸屬于測試集；

將舌象樣本集中第i次標注的全部舌樣本圖像的第j個舌象特征按照其特征的種類數量，為每一個種類分別設置一個標簽，并以舌樣本圖像的名稱為樣本名稱，以設置的標簽為圖像特征的方式分別制作訓練集和測試集的文本文件；

將存放訓練集和測試集的舌樣本圖像的兩個文件夾與它們分別對應的文本文件都放在同一路徑下；

利用圖像格式轉換工具將舌樣本圖像訓練集和舌樣本圖像測試集轉換深度學習模型要求的文件格式。

5.根據權利要求1所述的方法，其特征在于，所述進行深度學習模型的網絡參數配置和求解參數配置包括：

設置網絡參數中的網絡基本結構，即輸入層、輸出層和中間層，網絡模型和每個網絡層的參數；

設置求解參數中的調用網絡模型的參數，測試時間間隔，每次測試樣本數量、優化算法選擇、權重衰減項、訓練最大迭代次數和運行模式。

6.一種基于深度學習模型確定舌象樣本庫的系統，其特征在于，所述系統包括：

樣本制作單元，其用于將舌象樣本集中第i次標注的全部舌樣本圖像劃分為訓練集和測試集，并將第j個舌象特征轉換成深度學習模型可識別的數據，其中，1≤i≤m，1≤j≤n，i、j的起始值為1，m、n均為自然數；

參數設置單元，其用于進行深度學習模型的網絡參數配置和求解參數配置；

模型訓練單元，其用于通過運行編寫的模型訓練腳本文件確定深度學習模型的準確率，當所述準確率低于設置的閾值時，令i＝i+1,轉至步驟1，當所述準確率大于等于設置的閾值，且j＜n時，令i＝1,j＝j+1，轉至步驟1，當所述準確率大于等于設置的閾值，且j＝n時，包括n個舌象特征標注結果的舌象樣本集即為中醫舌診中的舌象樣本庫。