Institute of Computing Technology, Chinese Academy IR
| 基于深度学习的舌象特征分析 | |
| 李渊彤1; 罗裕升2; 朱珍民2 | |
| 2020 | |
| 发表期刊 | 计算机科学
 |
| ISSN | 1002-137X |
| 卷号 | 47期号:11页码:148 |
| 摘要 | 中医舌诊因其直观稳定且易于观察的特点,以及具有较高的临床应用价值和快捷方便的实用性,成为了一个重要的研究课题。目前,将医学图像处理技术、人工智能技术和中医专家的临床经验相结合,实现了对中医舌诊的客观化、定量化和自动化,这是当前中医舌诊现代化研究的主流方向。文中研究了基于迁移学习和深度学习的舌体精确分割和舌象特征识别的关键技术,提出了一种基于区域关联的单像素损失函数的舌体分割方法,新的损失函数不仅考虑到了区域像素之间的关联关系,而且有效利用了像素标签语义的监督信息,能够更好地指导模型进行训练学习,在测试集上的MIoU指标达到了96.32%。然后,针对舌象几何特征提出了一个融合空间转换网络和VGG16模型的舌象几何特征分析模型,使用了空间转换网络来显式地学习空间不变性,并复用了VGG16模型的卷积部分,使得可以用舌体分割任务学习到的知识来进行参数迁移学习。通过两组对比实验,验证了空间转换网络对提高模型空间不变性的有效性,以及舌体分割的知识迁移能使模型更快、更平稳地收敛。同时,提出了一个融合深度纹理编码网络和VGG16模型的舌象纹理特征分类模型,使用深度纹理编码网络能将卷积得到的有序特征图编码成无序的纹理语义表示,以更有效地表达纹理信息。通过实验对比分析验证了深度纹理编码网络的无序编码对舌象纹理语义表示的有效性。 |
| 关键词 | Traditional chinese medicine tongue diagnosis Tongue image analysis Tongue segmentation Deep learning Transfer learning 中医舌诊 舌象分析 舌体分割 深度学习 迁移学习 |
| 语种 | 英语 |
| 文献类型 | 期刊论文 |
| 条目标识符 | http://119.78.100.204/handle/2XEOYT63/37945 |
| 专题 | 中国科学院计算技术研究所期刊论文_中文 |
| 作者单位 | 1.湘潭大学 2.中国科学院计算技术研究所 |
| 推荐引用方式 GB/T 7714 | 李渊彤,罗裕升,朱珍民. 基于深度学习的舌象特征分析[J]. 计算机科学,2020,47(11):148. |
| APA | 李渊彤,罗裕升,&朱珍民.(2020).基于深度学习的舌象特征分析.计算机科学,47(11),148. |
| MLA | 李渊彤,et al."基于深度学习的舌象特征分析".计算机科学 47.11(2020):148. |
| 条目包含的文件 | 条目无相关文件。 | |||||
| 个性服务 |
| 推荐该条目 |
| 保存到收藏夹 |
| 查看访问统计 |
| 导出为Endnote文件 |
| 谷歌学术 |
| 谷歌学术中相似的文章 |
| [李渊彤]的文章 |
| [罗裕升]的文章 |
| [朱珍民]的文章 |
| 百度学术 |
| 百度学术中相似的文章 |
| [李渊彤]的文章 |
| [罗裕升]的文章 |
| [朱珍民]的文章 |
| 必应学术 |
| 必应学术中相似的文章 |
| [李渊彤]的文章 |
| [罗裕升]的文章 |
| [朱珍民]的文章 |
| 相关权益政策 |
| 暂无数据 |
| 收藏/分享 |
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。
修改评论