[發明專利]一種基于輕型卷積神經網絡的舌體姿態異常判別方法

在審

• 申請號: 202110243772.8
• 申請日: 2021-03-05
• 公開（公告）號: CN113033330A
• 公開（公告）日: 2021-06-25
• 發明（設計）人: 卓力;韓翰;張輝;李曉光;張菁
• 申請（專利權）人: 北京工業大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京思海天達知識產權代理有限公司 11203
• 代理人: 劉萍

一種基于輕型卷積神經網絡的舌體姿態異常判別方法屬于計算機視覺領域和中醫舌診領域。本發明設計了一個層數較淺、易于訓練的卷積神經網絡，用于對舌體姿態進行分類判別。該方法包括三個步驟：第一步是構建舌體姿態異常分類數據集；第二步是設計舌體姿態異常分類網絡；第三步是利用構建的數據集對分類網絡進行訓練，得到分類模型，用于對舌體姿態異常進行判別。本發明以多輪實驗的方式確定了效果最優的網絡架構，用于進行舌體姿態的異常判決，所提出的網絡架構在保證有較高分類準確度的同時，具有較少的卷積層和池化層，計算復雜度低，可以滿足實際應用需求。

技術領域

本發明屬于計算機視覺領域和中醫舌診領域，具體涉及深度學習、圖像處理等技術。

背景技術

舌診是中醫四診中的核心內容，醫生通過觀察患者的舌色、苔色、腐膩、胖瘦等各種 舌象特征來診察病癥，是中醫辨證施治的關鍵環節之一。長期以來，舌診主要是通過醫生 的目測觀察、經驗來判斷病證。與西醫相比，缺乏定量化、客觀化、標準化的度量與分析手段。受到醫生知識水平和經驗等主觀因素的影響，舌診結果因人而異，難以統一，可重 復性差，直接影響了辨證施治的規范化和標準化。隨著時代的變遷，舌診客觀化已成為中 醫發展的必然之路。

中醫舌診客觀化研究中，普遍采用數字化成像設備對舌象信息進行采集。受到光照、 成像焦距、病人伸舌姿態等復雜因素的影響，現有舌象采集方式所獲取的舌圖像中有近三 分之一不符合臨床診察要求，具體表現為舌體姿態異常，如舌體暴露不充分或伸舌不放松 等，這給后續的舌象診察特征自動分析帶來嚴重的影響。因此，需要研究舌體姿態異常判 別方法，使計算機可以自動對采集得到的病患舌體姿態情況進行自動判定，剔除姿態異常 的舌體，避免由于舌體姿態異常對后續智能化分析造成影響。

近年來，深度學習在圖像分類、目標檢測、圖像檢索等多個領域取得了重要突破。深 度學習之所以取得巨大成功，原因在于以下幾點：首先，深度學習有非常強的擬合能力，在數據量允許的情況下，可以逼近任何復雜的函數。由于擁有多個隱藏層，隱藏層內還有分布豐富的隱藏結點，這樣的結構本身使神經網絡對特征的表達能力非常強。其次，深度學習是完全由數據驅動的機器學習方法，從大數據中自動挖掘數據的內部結構，獲得層次化的特征表達。相比于傳統的機器學習方法，深度學習具有更強的模型泛化能力。

本發明提出了一種基于深度學習的中醫舌體姿態異常判決方法。針對舌體姿態異常分 類任務的具體需求，設計了一種輕型卷積神經網絡，以多輪實驗的方式確定了效果最優的 網絡架構，用于進行舌體姿態的異常判決。所提出的網絡架構在保證有較高分類準確度的 同時，具有較少的卷積層和池化層，計算復雜度低，可以滿足實際應用需求。

發明內容

本發明的目的是提供一種具有較高分類準確度、計算復雜度低的舌體姿態異常判決方 法。本發明設計了一個層數較淺、易于訓練的卷積神經網絡，用于對舌體姿態進行分類判 別。總的來說，該方法主要包括三個步驟：第一步是構建舌體姿態異常分類數據集；第二 步是設計舌體姿態異常分類網絡；第三步是利用構建的數據集對分類網絡進行訓練，得到 分類模型，用于對舌體姿態異常進行判別。

步驟1：構建舌體姿態異常分類數據集

本發明使用SIPL型中醫舌象儀進行舌圖像的采集。在實際采集過程中，由于患者伸 舌姿勢配合不當、或者拍攝時間節點誤差等問題常常會導致舌體姿態出現異常。通常舌體 姿態異常樣本有兩類，第一類是伸舌面積過小。部分患者會出現一些緊張情緒，導致舌體 沒有完全伸出。還有一種情況是由于病人患有某些特殊的疾病，導致舌體無法從空腔內伸 出。如果舌體面積過小，則會導致后續的舌色、舌苔、腐膩等關鍵診察指標無法進行準確分析。第二類是伸舌體姿態異常。部分患者雖然伸舌面積較大，但是由于舌尖朝向鏡頭， 導致成像樣本中舌面沒有得到展示。

在構建數據集的時候，樣本一共分為三類：除了伸舌面積過小、伸舌位姿不正兩類樣 本之外，還有一類是正常的樣本。在舌圖像采集完成后，對每幅圖像手工標注類別標簽，即分別以擬定的三類標簽對采集樣本進行標注。圖像與標注數據一起構成一個樣本對，構建舌體姿態異常分類樣本數據集。