[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

本發明提供一種基于深度學習模型確定舌象樣本庫的方法和系統。所述方法和系統對于舌象樣本集中的全部舌樣本圖像的每個舌象特征進行標注，并在標注后都建立深度學習模型，通過訓練和測試來確定舌象特征標注的準確度，當準確度未達到設置的準確度時，對舌象樣本集中的該舌象特征在原來標注的基礎上進行再次修訂，并重新通過深度學習模型來確定標注準確度，通過對每個舌象特征進行多輪標注，多輪深度學習模型檢測標注精確度的方式來完成對所有舌象特征標注準確度的確定，從而確定中醫舌診的舌象樣本庫。所述方法和系統通過對舌象特征進行多輪標注和多次深度學習模型訓練檢測其準確度，大大提高了舌象標注的準確度。

技術領域

本發明涉及醫學圖像標定領域,并且更具體地，涉及一種基于深度學習模型確定舌象樣本庫的方法和系統。

背景技術

目前對于醫學圖像的標定技術并不是非常成熟，在中醫舌象圖像標定上更是如此。由于舌像顏色的相似性、舌形的復雜性以及每種舌象特征并不相同，因此很多標定方法在中醫舌象的標定上并不能直接使用，并且算法對標注的準確性要求也很高。

對于目前其他領域的圖像標注技術，主要是通過傳統計算機視覺方面的算法進行自動標注，比如圖像特征提取算法，通過提取圖像的特征定位出圖像中關鍵位置進行標注。但是傳統計算機視覺的算法不能保證標注的穩定性，如果是待標注圖像的關鍵點數量比較多，或者圖像的特征不夠明顯的情況，通過算法進行圖像標注的效率明顯降低，且難以保證標注的準確性。

因此，需要一種技術，提高舌象樣本集中舌樣本圖像的舌象特征標注的準確度，從而為中醫舌診提供一個樣本充分，標注準確的舌象樣本庫。

發明內容

為了解決現有技術中舌象樣本庫中樣本的舌象特征標注準確度低的技術問題，本發明提供一種基于深度學習模型確定舌象樣本庫的方法，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jn時，令i＝1,j＝j+1，轉至步驟1，當所述精確度大于等于設置的閾值，且j＝n時，所述包括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。

進一步地，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。

進一步地，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。

進一步地，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；