[发明专利]一种基于深度卷积神经网络的中医舌图像自动分割方法

说明书

一种基于深度卷积神经网络的中医舌图像自动分割方法属于计算机视觉领域和中医舌诊领域。本发明设计了一种卷积神经网络结构，利用采集到的样本数据对该网络的训练，得到网络模型，采用该模型可以对中医舌图像进行自动分割。该方法包含离线训练阶段和在线分割阶段，该方法可以同时适用于封闭式和开放式的舌象采集环境，可以有效提高中医舌图像自动分割的精确度和鲁棒性。本发明具体涉及深度学习、语义分割、图像处理等技术。

技术领域

本发明将深度学习技术引入到中医舌诊客观化研究中，提出一种基于深度卷积神经网络的中医舌图像自动分割方法，该方法可以同时适用于封闭式和开放式的舌象采集环境，可以有效提高中医舌图像自动分割的精确度和鲁棒性。本发明属于计算机视觉领域和中医舌诊领域，具体涉及深度学习、语义分割、图像处理等技术。

背景技术

中医舌诊通过观察舌象的变化，了解人体的生理功能和病理变化,是中医学中望诊的重要组成部分。20世纪80年代以来，随着计算机技术的发展，研究者们开始将数字图像处理技术应用于中医舌诊客观化研究，其主要流程包括舌图像采集、预处理、舌体分割以及舌象特征分析等，其中，舌体分割是中医舌诊客观化的重要环节。由于舌象特征分析的目标区域是舌体，而采集到的中医舌图像除了包含舌体以外，往往还包含唇部、脸部等背景区域。为了避免这些背景区域对后续舌象特征分析的影响，需先分割出舌体区域，分割的精确性将直接影响舌象特征分析的准确性。

尽管舌图像自动分割方面的研究工作取得了一定的进展，但受到图像质量、病人舌图像的差异性、舌体颜色与嘴唇颜色相近以及光照变化等一系列客观因素的影响，至今仍没有一种舌图像自动分割方法可以对各类舌图像都能取得理想的分割效果。此外，现有的自动分割算法大多适用于封闭式采集环境，往往不能满足开放式采集环境的舌图像分割需求。为此，需要引入新的信息处理技术以提高舌图像分割的自动化程度、鲁棒性以及分割精度。

近年来，深度学习成为计算机视觉领域的研究热点。其中，卷积神经网络(CNN)凭借其强大的特征学习与表达能力被广泛应用于在图像分类、目标检测以及语义分割等任务。

因此，本发明针对现有舌图像自动分割方法存在的不足，提出一种基于深度卷积神经网络的中医舌图像自动分割方法，该方法可同时适用于封闭式和开放式的舌象采集环境，为中医舌诊客观化研究提供了一种重要的手段，对推动中医客观化研究的发展具有重要的意义，并在临床诊疗、养生保健、中医传承等方面具有重要的应用价值。

发明内容

本发明主要解决的技术问题是如何提供一种具有准确率高、鲁棒性强和全自动化等优点，且可以同时适用于封闭式和开放式舌象采集环境的舌图像分割方法。

为解决上述技术问题，本发明采用的技术方案为：设计了一种卷积神经网络结构，利用采集到的样本数据对该网络的训练，得到网络模型，采用该模型可以对中医舌图像进行自动分割。该方法包含离线训练阶段和在线分割阶段，具体包括以下步骤：

步骤1：构建数据集。根据实际应用需求，针对封闭式和开放式的舌象采集环境，本发明分别构建了舌图像分割数据集TonsegDataset1和TonsegDataset2。其中，TonsegDataset1具有光照统一和舌图像位置相对一致的特点；TonsegDataset2具有尺寸大小不一，光照复杂多变，舌体的大小形状各异和位置不固定等特点。

步骤2：手工标注语义分割标签。即分别对图像上的舌体区域和背景区域的像素点进行手工标注。