节点文献

基于深度学习与迁移学习的中医舌象提取识别研究

免费订阅

【作者】 刘梦王曦廷周璐谭丽博李杰关静李峰

【Author】 LIU Meng;WANG Xiting;ZHOU Lu;TAN Libo;LI Jie;GUAN Jing;LI Feng;School of Traditional Chinese Medicine,Beijing University of Chinese Medicine;

【通讯作者】 李峰;

【机构】 北京中医药大学中医学院

【摘要】 目的探讨基于Faster R-CNN算法的深度学习与迁移学习技术在中医齿痕舌与裂纹舌局部特征提取识别中的应用效果。方法将500例受试者舌象图片使用LabelImg V 1. 6软件进行齿痕舌与裂纹舌区域标注,划分训练数据集与测试数据集,通过Faster R-CNN的深度学习技术与迁移学习技术中的微调(finetune)方法构建模型,最后使用准确率、精确率、召回率对模型效果进行评价。结果对于裂纹舌,模型识别真阳性99例,假阴性3例,真阴性45例,假阳性3例,准确率0. 960、精确率0. 971、召回率0. 971。对于齿痕舌,模型识别真阳性60例,假阴性20例,真阴性69例,假阳性1例,准确率0. 860、精确率为0. 983、召回率0. 750。模型宏观准确率0. 910、宏观精确率0. 977、宏观召回率0. 860。图像识别结果显示,模型不受舌象中病理变化所在位置的影响,对舌象局部特征提取方面也具有较强的适应性特点。结论基于深度学习与迁移学习的方法,可以较好地完成中医舌象局部特征辨识任务,具有较好的迁移能力。

【关键词】 舌象裂纹舌齿痕舌舌象识别
【基金】 北京市自然科学基金(7162124);2018北京中医药大学青年教师项目(2018-JYBZZ-JS007)
【所属期刊栏目】 思路与方法 (2019年10期)
  • 【DOI】10.13288/j.11-2166/r.2019.10.007
  • 【分类号】R241;TP391.41;TP181
  • 【下载频次】93
节点文献中: 

本文链接的文献网络图示:

浏览历史:
下载历史: