一种基于深度学习对舌质舌苔进行分类的方法及系统技术方案

本申请公开了一种基于深度学习对舌质舌苔进行分类的方法及系统。其中，该方法包括：将舌部图像分割成舌质图像和舌苔图像；将舌质图像转换成矩形舌质图像，将舌苔图像转换成矩形舌苔图像；将具有代表性的舌质图像确定为典型舌质图像，将具有代表性的舌苔图像确定为典型舌苔图像；确定未标注的矩形舌质图像的RGB均值与典型矩形舌质图像的RGB均值的舌质欧式距离，确定未标注的矩形舌苔图像的RGB均值与典型矩形舌苔图像的RGB均值的舌苔欧式距离；根据舌质欧式距离，创建舌质颜色样本库，根据舌苔欧式距离，创建舌苔颜色样本库；对舌质颜色样本进行训练，得到舌质颜色分类模型，对舌苔颜色样本进行训练，得到舌苔颜色分类模型。

【技术实现步骤摘要】
一种基于深度学习对舌质舌苔进行分类的方法及系统
本申请涉及电力系统
，特别是涉及一种基于深度学习对舌质舌苔进行分类的方法及系统。
技术介绍
随着图像处理技术的逐步发展，机器学习和深度学习等人工智能技术的不断成熟，深度卷积神经网络开始应用到中医舌诊之中，并产生了多种方法。目前利用机器学习和深度学习进行中医舌诊的方法，没有弱化舌质图像中的形状纹理等特征，无法突出颜色特征，不能更好的对舌质舌苔进行分类。针对上述的现有技术中存在的目前利用机器学习和深度学习进行中医舌诊的方法，没有弱化舌质图像中的形状纹理等特征，无法突出颜色特征，不能更好的对舌质舌苔进行分类的技术问题，目前尚未提出有效的解决方案。
技术实现思路
本公开的实施例提供了一种基于深度学习对舌质舌苔进行分类的方法及系统，以至少解决现有技术中存在的目前利用机器学习和深度学习进行中医舌诊的方法，没有弱化舌质图像中的形状纹理等特征，无法突出颜色特征，不能更好的对舌质舌苔进行分类的技术问题。根据本公开实施例的一个方面，提供了一种基于深度学习对舌质舌苔进行分类的方法，包括：利用苔质分离算法将舌部图像分割成舌质图像和舌苔图像；利用舌质图像转换算法将舌质图像转换成矩形舌质图像，利用舌苔图像算法将舌苔图像转换成矩形舌苔图像；将由多名经验丰富的中医临床大夫标注的具有代表性的舌质图像确定为典型舌质图像，将由多名经验丰富的中医临床大夫标注的具有代表性的舌苔图像确定为典型舌苔图像；确定未标注的矩形舌质图像的RGB均值与典型矩形舌质图像的RGB均值的舌质欧式距离，确定未标注的矩形舌苔图像的RGB均值与典型矩形舌苔图像的RGB均值的舌苔欧式距离；根据舌质欧式距离，将未标注的矩形舌质图像进行排序，确定舌质颜色样本，创建舌质颜色样本库，根据舌苔欧式距离，将未标注的矩形舌苔图像进行排序，确定舌苔颜色样本，创建舌苔颜色样本库；对舌质颜色样本进行训练，得到舌质颜色分类模型，对舌苔颜色样本进行训练，得到舌苔颜色分类模型，并利用舌质颜色分类模型进行舌质颜色分类，利用舌苔颜色分类模型进行舌苔颜色分类。根据本公开实施例的另一方面，还提供了一种基于深度学习对舌质舌苔进行分类的系统，包括：利分割舌质舌苔图像模块，用于利用苔质分离算法将舌部图像分割成舌质图像和舌苔图像；转换矩形舌质舌苔模块，用于利用舌质图像转换算法将舌质图像转换成矩形舌质图像，利用舌苔图像算法将舌苔图像转换成矩形舌苔图像；确定典型舌质舌苔模块，用于将由多名经验丰富的中医临床大夫标注的具有代表性的舌质图像确定为典型舌质图像，将由多名经验丰富的中医临床大夫标注的具有代表性的舌苔图像确定为典型舌苔图像；确定欧式距离模块，用于确定未标注的矩形舌质图像的RGB均值与典型矩形舌质图像的RGB均值的舌质欧式距离，确定未标注的矩形舌苔图像的RGB均值与典型矩形舌苔图像的RGB均值的舌苔欧式距离；创建颜色样本库模块，用于根据舌质欧式距离，将未标注的矩形舌质图像进行排序，确定舌质颜色样本，创建舌质颜色样本库，根据舌苔欧式距离，将未标注的矩形舌苔图像进行排序，确定舌苔颜色样本，创建舌苔颜色样本库；训练分类模块，用于对舌质颜色样本进行训练，得到舌质颜色分类模型，对舌苔颜色样本进行训练，得到舌苔颜色分类模型，并利用舌质颜色分类模型进行舌质颜色分类，利用舌苔颜色分类模型进行舌苔颜色分类。在本专利技术中，将舌质图像转换成矩形舌质图像，将舌苔图像转换成矩形舌苔图像，排除掉舌质图像和舌苔图像中的背景和边缘等负面因素，更突出舌质颜色和舌苔颜色，有利于后续分类算法的训练。基于深度学习，通过计算欧式距离减少了大夫的工作量，提高了工作效率，减少了人工成本。进而解决了现有技术中存在的目前利用机器学习和深度学习进行中医舌诊的方法，没有弱化舌质图像中的形状纹理等特征，无法突出颜色特征，不能更好的对舌质舌苔进行分类的技术问题。附图说明此处所说明的附图用来提供对本公开的进一步理解，构成本申请的一部分，本公开的示意性实施例及其说明用于解释本公开，并不构成对本公开的不当限定。在附图中：图1是根据本公开实施例所述的一种基于深度学习对舌质舌苔进行分类的方法的示意图；图2是根据本公开实施例所述的一种基于深度学习对舌质舌苔进行分类的方法的示意图；图3是根据本公开实施例所述的将舌部图像分割成舌质图像和舌苔图像的示意图；图4是根据本公开实施例所述的将舌质图像转换成矩形舌质图像，将舌苔图像转换成矩形舌苔图像的示意图；图5是根据本公开实施例所述的典型舌质图像的示意图；图6是根据本公开实施例所述的与典型舌质图像对应的典型矩形舌质图像的示意图；图7是根据本公开实施例所述的典型舌苔图像的示意图；图8是根据本公开实施例所述的与典型舌苔图像对应的典型矩形舌苔图像的示意图；图9是根据本公开实施例所述的按照欧式距离把每一类中的一批舌质图像进行排序的示意图。具体实施方式现在参考附图介绍本专利技术的示例性实施方式，然而，本专利技术可以用许多不同的形式来实施，并且不局限于此处描述的实施例，提供这些实施例是为了详尽地且完全地公开本专利技术，并且向所属
的技术人员充分传达本专利技术的范围。对于表示在附图中的示例性实施方式中的术语并不是对本专利技术的限定。在附图中，相同的单元/元件使用相同的附图标记。除非另有说明，此处使用的术语(包括科技术语)对所属
的技术人员具有通常的理解含义。另外，可以理解的是，以通常使用的词典限定的术语，应当被理解为与其相关领域的语境具有一致的含义，而不应该被理解为理想化的或过于正式的意义。根据本实施例的第一个方面，提供了一种基于深度学习对舌质舌苔进行分类的方法100。图1示出了该方法的流程示意图，参考图1所示，该方法100包括：S102：利用苔质分离算法将舌部图像分割成舌质图像和舌苔图像；S104：利用舌质图像转换算法将舌质图像转换成矩形舌质图像，利用舌苔图像算法将舌苔图像转换成矩形舌苔图像；S106：将由多名经验丰富的中医临床大夫标注的具有代表性的舌质图像确定为典型舌质图像，将由多名经验丰富的中医临床大夫标注的具有代表性的舌苔图像确定为典型舌苔图像；S108：确定未标注的矩形舌质图像的RGB均值与典型矩形舌质图像的RGB均值的舌质欧式距离，确定未标注的矩形舌苔图像的RGB均值与典型矩形舌苔图像的RGB均值的舌苔欧式距离；S110：根据舌质欧式距离，将未标注的矩形舌质图像进行排序，确定舌质颜色样本，创建舌质颜色样本库，根据舌苔欧式距离，将未标注的矩形舌苔图像进行排序，确定舌苔颜色样本，创建舌苔颜色样本库；S112：对舌质颜色样本进行训练，得到舌质颜色分类模型，对舌苔颜色样本进行训练，得到舌苔颜色分类模型，并利用舌质颜色分类模型进行舌质颜色分类，利用舌苔颜色分类模型进行舌苔颜色分类。具体地，参考图2所示，利用苔质分离算法将舌部图像分割成舌质图像和舌苔图像。参考图3所示，将舌部图像分割成舌质图像和舌苔图像。参考图4所示，利用本文档来自技高网...

【技术保护点】
1.一种基于深度学习对舌质舌苔进行分类的方法，其特征在于，包括：/n利用苔质分离算法将舌部图像分割成舌质图像和舌苔图像；/n利用舌质图像转换算法将所述舌质图像转换成矩形舌质图像，利用舌苔图像算法将所述舌苔图像转换成矩形舌苔图像；/n将由多名经验丰富的中医临床大夫标注的具有代表性的舌质图像确定为典型舌质图像，将由多名经验丰富的中医临床大夫标注的具有代表性的舌苔图像确定为典型舌苔图像；/n确定未标注的矩形舌质图像的RGB均值与典型矩形舌质图像的RGB均值的舌质欧式距离，确定未标注的矩形舌苔图像的RGB均值与典型矩形舌苔图像的RGB均值的舌苔欧式距离；/n根据所述舌质欧式距离，将未标注的矩形舌质图像进行排序，确定舌质颜色样本，创建舌质颜色样本库，根据所述舌苔欧式距离，将未标注的矩形舌苔图像进行排序，确定舌苔颜色样本，创建舌苔颜色样本库；/n对舌质颜色样本进行训练，得到舌质颜色分类模型，对舌苔颜色样本进行训练，得到舌苔颜色分类模型，并利用所述舌质颜色分类模型进行舌质颜色分类，利用所述舌苔颜色分类模型进行舌苔颜色分类。/n

【技术特征摘要】
1.一种基于深度学习对舌质舌苔进行分类的方法，其特征在于，包括：
利用苔质分离算法将舌部图像分割成舌质图像和舌苔图像；
利用舌质图像转换算法将所述舌质图像转换成矩形舌质图像，利用舌苔图像算法将所述舌苔图像转换成矩形舌苔图像；
将由多名经验丰富的中医临床大夫标注的具有代表性的舌质图像确定为典型舌质图像，将由多名经验丰富的中医临床大夫标注的具有代表性的舌苔图像确定为典型舌苔图像；
确定未标注的矩形舌质图像的RGB均值与典型矩形舌质图像的RGB均值的舌质欧式距离，确定未标注的矩形舌苔图像的RGB均值与典型矩形舌苔图像的RGB均值的舌苔欧式距离；
根据所述舌质欧式距离，将未标注的矩形舌质图像进行排序，确定舌质颜色样本，创建舌质颜色样本库，根据所述舌苔欧式距离，将未标注的矩形舌苔图像进行排序，确定舌苔颜色样本，创建舌苔颜色样本库；
对舌质颜色样本进行训练，得到舌质颜色分类模型，对舌苔颜色样本进行训练，得到舌苔颜色分类模型，并利用所述舌质颜色分类模型进行舌质颜色分类，利用所述舌苔颜色分类模型进行舌苔颜色分类。


2.根据权利要求1所述的方法，其特征在于，利用舌质图像转换算法将所述舌质图像转换成矩形舌质图像，利用舌苔图像算法将所述舌苔图像转换成矩形舌苔图像，包括：
确定所述舌质图像中的舌质像素点的总个数，确定所述舌苔图像中的舌苔像素点的总个数；
根据所述舌质像素点的总个数，确定所述矩形舌质图像的边长；根据所述舌苔像素点的总个数，确定所述矩形舌苔图像的边长；
将所述舌质像素点逐行填充到所述矩形舌质图像，将所述舌苔像素点逐行填充到所述矩形舌苔图像。


3.根据权利要求1所述的方法，其特征在于，
所述舌质图像包括舌淡白、舌淡紫、舌淡红、舌红、舌暗红以及舌绛6类舌质颜色，对于每一类舌质颜色，选取一张能够代表此类舌质颜色的舌质图像作为典型舌质图像；
所述舌苔图像包括苔白、苔黄、苔黄白相兼、以及苔灰黑4类舌苔颜色，对于每一类舌苔颜色，选取一张能够代表此类舌苔颜色的舌苔图像作为典型舌苔图像。


4.根据权利要求3所述的方法，其特征在于，确定未标注的矩形舌质图像的RGB均值与典型矩形舌质图像的RGB均值的舌质欧式距离，包括：
确定未标注的矩形舌质图像的RGB均值，确定典型矩形舌质图像的RGB均值；
根据所述未标注的矩形舌质图像的RGB均值以及典型矩形舌质图像的RGB均值，确定舌质欧式距离。


5.根据权利要求4所述的方法，其特征在于，确定未标注的矩形舌苔图像的RGB均值与典型矩形舌苔图像的RGB均值的舌苔欧式距离，还包括：
确定未标注的矩形舌苔图像的RGB均值，确定典型矩形舌苔图像的RGB均值；
根据所述未标注的矩形舌苔图像的RGB均值以及典型矩形舌苔图像的RGB均值，确定舌苔欧式距离。


6.一种基于深度学习对舌质舌苔进行分类的系统，其特征在于，...

【专利技术属性】
技术研发人员：魏春雨，宋臣，汤青，王东卫，
申请(专利权)人：新绎健康科技有限公司，
类型：发明
国别省市：河北;13