本发明专利技术涉及一种计算机可读取存储介质、基于深度学习的舌诊方法及装置，其中该基于深度学习的舌诊方法由平板计算机的处理单元执行，包含：通过平板计算机上的摄像头获取拍摄照片；将拍摄照片输入卷积神经网络以获取关联于拍摄照片中的舌头的多个类型的分类结果；以及在平板计算机的显示屏上显示舌诊应用程序的画面，其中包含多个类型的分类结果。通过如上所述的卷积神经网络的分类可侦测出与颜色较低相关的舌头特征。低相关的舌头特征。低相关的舌头特征。
【技术实现步骤摘要】
计算机可读取存储介质、基于深度学习的舌诊方法及装置
[0001]本专利技术涉及智能疾病诊断，尤指一种计算机可读取存储介质、基于深度学习的舌诊方法及装置。
技术介绍
[0002]舌诊是一种通过目视检查舌头和其各种表现的疾病和病征的诊断方法，舌头提供反映体内器官状态的重要线索。就像中医的其他诊断方法，舌诊是以“外在反映内在”的原则为基础，外在的构造通常反映内在的构造，并且能够提供我们内部失和的重要信号。传统上，图像辨识方法常用于完成计算机化舌诊，然而，这只能辨识出与颜色相关的有限舌头特征。因此，本专利技术提出一种计算机可读取存储介质、基于深度学习的舌诊方法及装置，用于辨认出较图像辨识方法更多的舌头特征。
技术实现思路
[0003]有鉴于此，如何减轻或消除上述相关领域的缺陷，实为有待解决的问题。
[0004]本专利技术涉及一种基于深度学习的舌诊方法，由平板计算机的处理单元执行，包含：通过平板计算机上的摄像头获取拍摄照片；将拍摄照片输入卷积神经网络以获取关联于拍摄照片中的舌头的多个类型的分类结果；以及在平板计算机的显示屏上显示舌诊应用程序的画面，其中包含多个类型的分类结果。
[0005]本专利技术还涉及一种计算机可读取存储介质，用于存储能够被平板计算机的处理单元加载并执行的程序代码，并且所述程序代码被所述处理单元执行时实现如上所述的基于深度学习的舌诊方法。
[0006]本专利技术还涉及一种基于深度学习的舌诊装置，包含摄像头、显示屏和处理单元。处理单元耦接摄像头和显示屏，用于通过摄像头获取拍摄照片；将拍摄照片输入卷积神经网络以获取关联于拍摄照片中的舌头的多个类型的分类结果；以及在显示屏上显示舌诊应用程序的画面，其中包含所述多个类型的分类结果。
[0007]可靠命令指示闪存模块使用单层式单元模式来存取数据。
[0008]上述实施例的优点之一，通过以上所述动态地获取连接闪存模块所定义的可靠命令的操作码的机制，可让闪存控制器更有弹性的适配新生产厂商或新技术时代的闪存模块。
[0009]本专利技术的其他优点将配合以下的说明和附图进行更详细的解说。
附图说明
[0010]此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。
[0011]图1为依据本专利技术实施例的电子装置的两阶段示意图。
[0012]图2为依据本专利技术实施例的舌诊示意图。
[0013]图3为依据本专利技术实施例的舌诊应用程序的画面示意图。
[0014]图4为依据本专利技术实施例的训练装置和平板计算机的硬件架构图。
[0015]图5和图6为依据本专利技术实施例的深度学习的方法流程图。
[0016]图7和图8为依据本专利技术实施例的基于深度学习的舌诊方法的流程图。
[0017]其中，附图中符号的简单说明如下：
[0018]110：训练装置；120：训练图像；130：舌诊模型；140：平板计算机；150：拍摄照片；30：舌诊应用程序的画面；310：预览窗口；320：存储按钮；330：离开按钮；340：结果窗口；350：类型名称提示；360：分类结果；410：处理单元；420：显示单元；430：输入设备；440：存储装置；450：存储器；460：通信接口；S510～S550：方法步骤；S610～S670：方法步骤；S710～S730：方法步骤；S810～S860：方法步骤。
具体实施方式
[0019]以下将配合相关附图来说明本专利技术的实施例。在这些附图中，相同的标号表示相同或类似的组件或方法流程。
[0020]必须了解的是，使用于本说明书中的“包含”、“包括”等词，是用于表示存在特定的技术特征、数值、方法步骤、作业处理、组件和/或组件，但并不排除可加上更多的技术特征、数值、方法步骤、作业处理、组件、组件，或以上的任意组合。
[0021]本专利技术中使用如“第一”、“第二”、“第三”等词是用来修饰权利要求中的组件，并非用来表示之间具有优先权顺序，先行关系，或者是一个组件先于另一个组件，或者是执行方法步骤时的时间先后顺序，仅用来区别具有相同名字的组件。
[0022]必须了解的是，当组件描述为“连接”或“耦接”至另一组件时，可以是直接连结、或耦接至其他组件，可能出现中间组件。相反地，当组件描述为“直接连接”或“直接耦接”至另一组件时，其中不存在任何中间组件。用于描述组件之间关系的其他词语也可以类似方式解读，例如“介于”相对于“直接介于”，或者“邻接”相对于“直接邻接”等等。
[0023]为了克服图像辨识算法的缺点，本专利技术的实施例提出以深度学习为基础的舌诊方法，分为三个阶段：训练阶段、验证阶段和实时判断阶段。参考图1，在训练阶段，训练装置110接收多个包含舌头的图像120(又可称为训练图像)，以及每个图像在多个类型项目上的卷标。虽然图1的图像120是灰阶图片，但这只是作为示例说明，所属
人员可输入高分辨率的全彩图像作为训练的来源。类型项目可包含“舌色”、“舌型”、“苔色”、“舌苔”、“津液”、“齿痕舌”、“朱点”、“瘀点”及“裂纹舌”。的工程师可操作训练装置110的人机界面(Man Machine Interface，MMI)，针对每个图像120为每个类型加上标签(Tag)。例如，针对舌色类型，可标记为“淡红”、“红”、“淡白”或“紫暗”。针对舌型类型，可标记为“中等”、“胖大”、“歪斜”或“瘦薄”。针对苔色类型，可标记为“白”、“黄”或“灰”。针对舌苔类型，可标记为“薄苔”、“厚苔”、“腻苔”或“剥苔”。针对津液类型，可标记为“平”、“多”或“少”。针对齿痕舌类型，可标记为“是”或“否”。针对朱点类型，可标记为“是”或“否”。针对瘀点类型，可标记为“是”或“否”。针对裂纹舌类型，可标记为“是”或“否”。每个图像120及其在每个类型上的标签会以特定数据结构存储在训练装置110中的非易失性存储装置。接着，训练装置110中的处理单元加载并执行相关程序代码，用于依据图像120及其在每个类型上的标签进行深度学习(Deep Learning)，并且深度学习后产生的舌诊模型130会进一步接受验证。
[0024]在验证阶段，训练装置110接收多个包含舌头的图像125(又可称为验证图像)，每个图像在多个类型项目上的卷标，以及验证图像125的答案。接着，将验证图像125输入到已经训练好的舌诊模型130，用以将验证图像150经过适当的图像前处理后，在不同类型上分类。训练装置110可比较验证图像150的答案和舌诊模型130的分类结果，依据结果判断舌诊模型130的准确度是否通过验证。如果通过验证，则将舌诊模型130提供给平板计算机140；否则，调整深度学习的参数后重新训练。
[0025]参考图2，在实时判断阶段，医师可拿起平板计算机140对准就诊者拍照。平板计算机所执行的舌诊应用程序可将拍摄照片150输入到已经验证过的舌诊模型130，用以将拍摄照片150经过适当的图像前处理后，在不同类型上分类。平本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于深度学习的舌诊方法，由平板计算机的处理单元执行，其特征在于，所述基于深度学习的舌诊方法包含：通过所述平板计算机上的摄像头获取拍摄照片；将所述拍摄照片输入卷积神经网络以获取关联于所述拍摄照片中的舌头的多个类型的分类结果；以及在所述平板计算机的显示屏上显示舌诊应用程序的画面，其中，所述画面包含所述多个类型的分类结果。2.如权利要求1所述的基于深度学习的舌诊方法，其特征在于，所述卷积神经网络包含多个局部侦测卷积神经网络，所述局部侦测卷积神经网络的数目等于所述类型的数目，所述基于深度学习的舌诊方法包含：将所述拍摄照片输入每个所述局部侦测卷积神经网络以获取相应一个所述类型的分类结果。3.如权利要求1所述的基于深度学习的舌诊方法，其特征在于，所述多个类型包含舌色、舌型、苔色、舌苔、津液、齿痕舌、朱点、瘀点及裂纹舌。4.一种计算机可读取存储介质，用于存储能够被平板计算机的处理单元执行的程序代码，其特征在于，所述程序代码被所述处理单元执行时实现如权利要求1至3中任一项所述的基于深度学习的舌诊方法。5.一种基于深度学习的舌诊装置，其特征在于，包含：摄像头；显示屏；以及处理单元，耦接所述摄像头和所述显示屏，用于通过所述摄像头获取拍摄照片；将所述拍摄照片输入卷积神经网络以获取关联于所述拍摄照片中的舌头的多个类型的分类结果；以及在所述显示屏上显示舌诊应用程序的画面，其中，所述画面包含所述多个类型的分类结果。6.如权利...
【专利技术属性】
技术研发人员：顏士净，陈文鋕，邱显栋，叶士诚，林钰锦，李宸绫，
申请(专利权)人：东华大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。