一种基于深度学习的智能舌体分割方法技术

一种基于深度学习的智能舌体分割方法，涉及图像处理。制定舌象采集标准，以此采集标准环境下的舌象数据；所述采集标准包括对设备方面、光线方面、位置方面和患者要求方面等；人工分割舌象数据，并将数据集划分为训练集和测试集以验证算法有效性；通过舌体分割网络TS‑Net的编码器获取舌象的低层特征并进行像素定位；通过舌体分割网络TS‑Net的解码器融合高低层特征并进行像素分类，获取完整的舌体区域。

【技术实现步骤摘要】
一种基于深度学习的智能舌体分割方法
本专利技术涉及图像处理，尤其是涉及通过使用图像分割和深度学习技术，采用深度语义分割网络，实现从采集到分割的智能舌体分割方法的一种基于深度学习的智能舌体分割方法。
技术介绍
图像分割(ImageSegmentation)是给出一定的分割准则，将图像中的具有相似属性的像素划分到不同区域的过程。分割的目的是将图像简化为更有意义且更易于分析的内容。更确切地说，图像分割通常用于定位和提取出图像中的某一对象。图像分割是图像处理和计算机视觉的热点之一，图像分析的成功取决于分割的可靠性，它是图像识别的重要依据。深度学习(DeepLearning)是机器学习中的子领域，涉及受大脑结构和功能(称为人工神经网络)启发的算法，主要用来训练计算机执行人类任务，例如识别语音，识别图像或进行预测。深度学习采用神经网络来改进语音识别，计算机视觉和自然语言处理等，它正在迅速成为计算机科学中最热门的领域之一。中医舌诊与深度学习：1)舌体分割是舌诊客观化的重要前提工作，也对进一步的舌象分类和识别产生直接的影响；2)深度学习在图像处理方面取得了优秀的成果，舌体分割也可以是一项图像处理任务本文档来自技高网...

【技术保护点】
1.一种基于深度学习的智能舌体分割方法，其特征在于包括以下步骤：1)制定舌象采集标准，以此采集标准环境下的舌象数据；所述采集标准包括对设备方面、光线方面、位置方面和患者要求方面；2)人工分割舌象数据，并将数据集划分为训练集和测试集以验证算法有效性；3)通过舌体分割网络TS‑Net的编码器获取舌象的低层特征并进行像素定位；4)通过舌体分割网络TS‑Net的解码器融合高低层特征并进行像素分类，获取完整的舌体区域。

【技术特征摘要】
1.一种基于深度学习的智能舌体分割方法，其特征在于包括以下步骤：1)制定舌象采集标准，以此采集标准环境下的舌象数据；所述采集标准包括对设备方面、光线方面、位置方面和患者要求方面；2)人工分割舌象数据，并将数据集划分为训练集和测试集以验证算法有效性；3)通过舌体分割网络TS-Net的编码器获取舌象的低层特征并进行像素定位；4)通过舌体分割网络TS-Net的解码器融合高低层特征并进行像素分类，获取完整的舌体区域。2.如权利要求1所述一种基于深度学习的智能舌体分割方法，其特征在于在步骤1)中，所述制定舌象采集标准，所述采集标准包括对设备、光线、位置和患者多方面的要求，以此采集标准环境下的舌象数据的具体步骤为：(1)设备方面，采集仪器密闭不透光，在设备中央放置30万像素以上的摄像机，并且在摄像机的两侧对称地定位两个D65荧光管；(2)光线方面，在密闭的环境中拍摄，根据国际照明委员会推荐，入射光与出射光之间的角度为45度，以便均匀照明，并且拍摄光线不宜过强或过弱，需要充足柔和的光线，尽量避免黄色白炽灯或其他颜色灯光的照射，避开有色的墙壁、窗帘等物体避免反光干扰，伸舌时正对光亮处，使光线均匀直射舌面；(3)位置方面，当拍摄时，舌头尽量保持在图像正中间，舌头距离摄像头的最佳位置在8～50cm之间，将下巴放在腮托上，自然伸舌，向相机展示舌头、面部和舌下静脉，通过改变下巴托的高度或位置来获得相应的图像；舌体尽量放松，水平展示舌面，使舌尖自然下垂，充分暴露舌体的同时不可过度用力伸舌，伸舌时间不应过长，通常不宜超过30s，否则会改变舌头原来的颜色；(4)患者要求方面，由于舌诊是以观察舌体颜色为主，因此在拍摄舌象之前，不宜食用带颜色的食品或饮料，也不宜食用辛辣刺激的食品，否则会影响舌头的本来颜色，降低诊断的准确性；而食用过辣食物会导致舌体偏红，有些患者刷牙时，会刷舌头以帮助清新呼吸，但至少在中医舌诊诊断的当天要求患者不要刷舌头；所述带颜色的食品或饮料为咖啡、绿茶、牛奶、橙汁和糖果。3.如权利要求1所述一种基于深度学习的智能...

【专利技术属性】
技术研发人员：李绍滋，邵尤伟，罗志明，苏松志，曹冬林，林旺庆，
申请(专利权)人：厦门大学，
类型：发明
国别省市：福建,35