[发明专利]基于深度学习的中医舌下络脉语义分割提取方法及系统

说明书

本发明提供基于深度学习的中医舌下络脉语义分割提取方法及系统，涉及深度学习技术领域，所述方法包括步骤1：对舌体的原始数据进行预处理，得到数据集；步骤2：将数据集输入语义分割网络进行训练和舌体分割预测，并且输出舌体分割预测结果；步骤3：将舌体分割结果输入语义分割网络进行训练和舌下络脉分割预测，并且输出舌下络脉分割预测结果；步骤4：对舌体分割预测结果和舌下络脉分割预测结果进行后处理。本发明能够减少中医的看病成本，充分利用已有的图片数据，基于当前先进的机器学习技术，实现对舌体和舌下络脉的自动分割，将舌体和舌下络脉从背景中提取出来，排除其他信息的干扰，能够促进舌象客观化研究的发展。

技术领域

本发明涉及深度学习技术领域，特别是涉及基于深度学习的中医舌下络脉语义分割提取方法及系统。

背景技术

舌诊是一项无创的检测方法，不会对患者带来身体的损害及辐射照射伤害。然而受主客体各种因素的影响很大，再加上缺乏量化描述，中医诊病通常较为主观，一般依赖于临床医生的实践经验，主观性较大重复性较差，给中医教学、研究造成了诸多不变，极大地影响了舌诊的继承和发扬。

舌诊客观化就是用客观的检测指标，结合舌诊理论、计算机图像处理及信息分析技术，对中医学的舌象进行定性、定量、定位的研究。这种基于深度学习的舌下络脉自动分割算法将舌体和舌下络脉从背景中分离，排除其他信息的干扰，是舌象客观化研究里非常关键的一步，分割结果的好坏直接影响后期特征分析的准确性。舌下络脉观察是舌诊的关键部分，从原始图像中对舌下络脉进行提取，便于之后的疾病诊断、特征分析(如颜色特征分析)，有着重要的意义。

为了实现舌下络脉的自动分割，需要解决三个方面的主要难题：1)对现有数据进行处理，生成可以由深度学习模型训练的数据集。2)由于舌下络脉占图像比例极小，属于小目标语义分割，因此基于上述数据集，实行ROI策略，先行提取舌体作为ROI区域。3)进一步基于上述ROI区域，构建舌下络脉自动分割算法模型。本发明主要采用图像处理和数据增强进行数据预处理，基于深度学习的语义分割模型来加以解决。

发明内容

鉴于以上所述现有技术的缺点，本发明的目的在于提供一种基于深度学习的中医舌下络脉语义分割方法及系统，为了减少中医的看病成本，充分利用已有的图片数据，基于当前先进的机器学习技术，实现对舌体和舌下络脉的自动分割，将舌体和舌下络脉从背景中提取出来，排除其他信息的干扰，能够促进舌象客观化研究的发展。

本发明提供一种基于深度学习的中医舌下络脉语义分割提取方法，所述方法包括以下步骤：

步骤1：对舌体的原始数据进行预处理，得到数据集；

步骤2：将数据集输入语义分割网络进行训练和舌体分割预测，并且输出舌体分割预测结果；

步骤3：将舌体分割结果输入语义分割网络进行训练和舌下络脉分割预测，并且输出舌下络脉分割预测结果；

步骤4：对舌体分割预测结果和舌下络脉分割预测结果进行后处理，并且对后处理结果进行可视化显示。

于本发明的一实施例中，所述步骤1具体流程为：

步骤1.1：对舌体的原始数据进行去除反光点算法处理；

步骤1.2：对经过去除反光点算法处理的原始数据进行数据增强处理。

于本发明的一实施例中，所述去除反光点算法具体流程为：

步骤1.1.1：获取图像数据的图像RGB三通道值R,G,B与三通道中的最大值RGB_max；

步骤1.1.2：将图像RGB三通道转换为Alpha通道，并求得α_r，α_g，α_b三通道值与三通道中的最小值α_min；