[发明专利]一种基于深度学习的藏医尿液颜色自动识别方法

说明书

本发明提供了一种基于深度学习的藏医尿液颜色自动识别方法，包括如下步骤：采集尿液图像，并对每幅图像进行标注；根据所述尿液图像构建基于深度卷积神经网络CNN的尿液颜色识别模型；根据所述尿液颜色识别模型识别尿液颜色特征，从而完成基于深度学习的藏医尿液颜色的自动识别。本发明通过以上设计能自动识别尿液在尿热阶段的颜色，通过深度卷积神经网络从训练数据中自动学习特征，而不是采用手工设计的特征，学习到的特征对于尿液颜色识别更有效，为医师诊断提供辅助支持。此外，所提出的算法直接在原始像素上运行，不需要预处理技术，在一定程度上节约时间。

技术领域

本发明属于尿液识别技术领域，尤其涉及一种基于深度学习的藏医尿液颜色自动识别方法。

背景技术

藏医是中国传统医学的重要组成部分，有两千三百多年历史，是藏族人民通过长期实践，不断积累完善而形成的具有完整理论体系、独特治疗方法和浓郁民族特色的医学体系。藏医尿诊是通过观察患者尿液诊断疾病的医学技术，是藏医最具特色的诊断手段之一，属于望、触、问三大诊断方法中的望诊范畴，在《月王药诊》、《四部医典》等书中均有记载，距今有两千多年历史。尿液是人体津液代谢的产物，尿液的生成与排除不仅与泌尿系统有关，而且其它五脏六腑也参与其中。藏医认为尿液是人体摄入的饮食经过体内反复分化而生成，尿液能反映身体寒热等内在信息，所以尿液的性状不仅反映泌尿系统本身的病变，临床所见人体几乎所有的病理改变都可能引起尿液特征的变化，因此，藏医尿诊对于机体病变具有重要的临床价值。

从总体上看，藏医尿诊过程分为三个阶段，即“三时九诊”，依次为：尿热阶段，观察颜色、蒸汽、气味、泡沫；尿温阶段，观察悬浊物、漂浮物；尿凉阶段，观察尿液变化时间、变化方式及回旋情况。其中，尿热阶段的颜色特征是尿诊的重要特征之一，尿液颜色主要分为九大类，分别是：黄色、白色、红色、赤色、褐色、黑色、绿色、青色、蓝色。藏医中的尿液颜色特征是用于诊断患者所患疾病类型的重要特征，可用于区分赤巴病、培根病、隆病。当尿液的颜色如池水，色清且稀者是隆型疾病；黄色是赤巴型疾病，白色是培根型疾病。总验尿法从尿热、尿温、尿凉单个阶段观察尿液特征，久置后尿液的颜色会有所变化，而反映不同疾病类型的主要是尿热阶段的颜色。因此，尿液颜色识别主要针对尿热阶段的颜色进行识别。

传统藏医尿液颜色识别由藏医医生观察并根据经验判断相关诊断意见。医生诊疗经验、技能水平以及外界的环境条件等都会直接影响到最终诊断结果，因而主观性强，可重复性差，缺乏颜色评判标准。基于仪器设备的方法容易受环境光影响、分辨率低误差大的缺陷，因而难以准确的识别物体颜色；机器学习方法分类识别颜色，其中，颜色直方图是全局颜色统计的结果，因此缺失了像素的位置性；颜色矩的维度较少，不能很好的表达高位数据；颜色集采用的搜索区域方法使得算法性能不稳定。传统机器学习是基于手工设计的特征，此过程需要人为的判断颜色相似性，在一定程度上会忽视一部分特征，造成颜色识别准确率较低；而目前基于深度学习的颜色识别都是针对固态物体，还未涉及到液体颜色识别。

发明内容

针对现有技术中的上述不足，本发明提供的一种基于深度学习的藏医尿液颜色自动识别方法，能自动识别尿液在尿热阶段的颜色，为医师诊断提供辅助支持。

为了达到以上目的，本发明采用的技术方案为：一种基于深度学习的藏医尿液颜色自动识别方法，包括如下步骤：

S1、采集尿液图像，并对每幅图像进行标注；

S2、根据所述尿液图像构建基于深度卷积神经网络CNN的尿液颜色识别模型；

S3、根据所述尿液颜色识别模型识别尿液颜色特征，从而完成基于深度学习的藏医尿液颜色的自动识别。

进一步地，所述步骤S1中对每幅图像进行标注，其具体为：

将所采集的尿液图像标注为黄色、白色、红色、赤色、褐色、黑色、绿色、青色以及蓝色图像，并将所有尿液图像调整至224×224的大小。