申请/专利权人:河南科技大学
申请日:2022-09-22
公开(公告)日:2022-11-29
公开(公告)号:CN115410046A
主分类号:G06V10/764
分类号:G06V10/764;G06V10/26;G06V10/40;G06V10/80;G06V10/82;A61B5/00;G16H50/20;G06N3/04;G06N3/08
优先权:
专利状态码:在审-实质审查的生效
法律状态:2022.12.16#实质审查的生效;2022.11.29#公开
摘要:本发明涉及基于深度学习的皮肤病舌像分类模型、建立方法及应用,属于中医智能诊断算法领域,本发明通过对皮肤病患者舌象进行分析,提取舌象的特征信息并进行分类,建立舌象分类模型。采用深度网络模型实现特征的多层级融合,同时引入注意力机制,增强关键特征之间的联系,提高模型的分类性能,实现基于皮肤病舌象的智能症候分类,辅助医生诊断,它可以减少舌诊过程中的主观性,避免由于经验不足或人为误差带来的主观干扰,对于实现中医辨证的规范化和标准化以及中医的推广与传承具有重要的意义。
主权项:1.一种基于深度学习的皮肤病舌象分类模型的建立方法,其特征在于:包括以下步骤:步骤1:使用手机或者舌象采集设备拍摄舌象;步骤2:对步骤1中得到的舌象进行预处理,分割出舌体;具体方法为:首先使用labelme对收集到的舌象进行手工标注,将舌象从背景中划分出来,标注结束后,创建mask数据集;接着使用Mask-RCNN网络对mask数据集进行训练,并保存训练好的舌象分割模型;最后利用保存的舌象分割模型,对图像进行分割;步骤3:将步骤2中分割好的舌象输入CBAM_MobilenetV2网络模型中提取特征;将任意尺寸的舌象送入到网络模型中,首先通过卷积层提取舌象特征,接着把提取的特征送到通道和空间注意力模块获得加权结果;将高层低分辨率的舌象特征进行上采样,并将采样后的特征图与低层的特征图相加,实现高低层特征的融合;步骤4:融合后的特征作为softmax分类器的输入,进行分类器的训练,最终得到舌象分类模型。
全文数据:
权利要求:
百度查询: 河南科技大学 基于深度学习的皮肤病舌象分类模型、建立方法及应用
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。