[发明专利]一种基于深度学习的舌象体质分类方法

说明书

一种基于深度学习的舌象体质分类方法，先获取舌象数据并进行预处理，然后舌象预处理图片输入Deeplabv3+改进模型进行舌体分割，得到舌象分割特征图，然后采用融合增强式自适应分流注意力机制的EdgeNeXt网络对舌象进行分类，通过对Deeplabv3+模型进行了改进，在其中增加了CBPN注意力模块，能够避免舌象分割任务中复杂背景和嘴唇区域分割不彻底、舌象边缘不光滑以及舌体凹陷处分割后产生漏洞的情况，提高模型特征提取能力，改善舌体分割效果；在EdgeNeXt网络的原始模型中加入增强式自适应分流注意力模块，能够避免舌象中体质鉴别性区域多样化、传统手工特征提取时存在底层特征信息表达不充分、单一注意力机制效果不明显的情况，提升了舌象分类的智能度和准确性。

技术领域

本发明涉及舌象分类方法领域，尤其涉及一种基于深度学习的舌象体质分类方法。

背景技术

中医诞生于原始社会，春秋战国时期中医理论已基本形成，通过长期医疗实践逐步形成并发展成的医学理论体系，中医体质学作为中医基本理论的一部分，其以生活个体为研究起点，着重对各类体质的特点、演变、影响因素、分类标准进行深入探讨，进而对疾病的预防、诊断和治疗、康复和保健进行个性化指导。临床应用中，望舌是医生通过观察舌象诊断体质的重要方法，舌的变化与疾病的发生有着密切的关系，根据舌象特征的不同可以判别患者的主体质类型和存在的偏颇体质类型，然而传统舌诊往往受医生专业水平、就诊环境的影响，诊断结果不具有客观性、可重复性，严重阻碍了中医舌诊的发展。因此，利用人工智能技术实现舌诊客观化是很有必要的。

面向舌象的体质分类任务分为舌象分割和体质分类两个子任务，舌象分割是指将包含舌象的图片中分割出来，以消除复杂背景因素对体质识别的干扰，分割结果的好坏对于体质分类任务性能有直接的影响；体质分类是指利用分割后的舌象数据和体质标签进行多标签分类，即通过智能化技术辨识舌象的主体质和偏颇体质类型。根据现有研究实现方法的不同可以分为三类：(1)问卷调查法，采用基于量表的中医体质辨识问卷调查法获得患者体质类型，这些方法不仅浪费时间、准确率低而且易受个体主观感受的影响，很难得出客观化的体质类型；(2)传统的特征提取方法，需要人工设计特征，对不同类型的舌象需要不同的特征，这样的方式虽然可以保证一定的分割和分类精度，但是整个过程费时费力，舌象识别自动化程度非常低且算法鲁棒性不高；(3)深度学习方法，基于深度学习进行舌象分类的任务，通过舌象进行体质判别的鉴别性区域较复杂，增加单一注意力机制、改变网络深度、宽度等操作对模型性能提升较一般。

因此，为实现中医体质分类的客观化、准确化、简便化，提出一种基于深度学习的舌象体质分类方法及装置，对建立“体质辨识、疾病预警、调理体质、预防疾病”中医个体化诊疗和健康医学体系具有重要意义。

发明内容

为解决现有的舌象分类智能度和准确性不足的问题，本发明提供了一种基于深度学习的舌象体质分类方法。

本发明为解决上述技术问题所采用的技术方案是：一种基于深度学习的舌象体质分类方法，包括以下步骤：

步骤一、获取舌象数据并进行预处理，得到舌象预处理图片；

步骤二、将舌象预处理图片输入Deeplabv3+改进模型进行舌体分割，得到舌象分割特征图；

采用轻量级网络Mobilenetv2替换Deeplabv3+原始模型的主干网络Inceptionv3，并在Deeplabv3+改进模型的主干网络的每一个瓶颈层之后增加一个CBPN注意力模块，CBPN注意力模块包括通道注意力模块、空间注意力模块和ParNet Block模块；