一种基于深度学习的舌象仪舌象分割方法技术

本发明专利技术公开了一种基于深度学习的舌象仪舌象分割方法，包括：使用图像采集装置进行舌象数据采集；对采集到图像进行数据增强操作，扩大数据集数量，人为对扩大后数据集中的每个图像的舌体区域进行标注，并对标注后的数据集进行划分，划分为训练集、验证集与测试集；将训练集与验证集放入优化后的DeeplabV3+网络进行训练；利用训练好的模型对测试集进行预测，获得舌体图像的每个像素点的分类，与真实值进行对比，得到mIoU值衡量模型能力；对得到的像素点分类，进行新图创建与复制原图对应像素点操作获得分割后的舌象。操作获得分割后的舌象。操作获得分割后的舌象。

【技术实现步骤摘要】
一种基于深度学习的舌象仪舌象分割方法


[0001]本专利技术涉及舌象仪嵌入式
，具体为一种基于深度学习的舌象仪舌象分割方法。

技术介绍

[0002]随着人工智能体系技术越来越成熟，深度学习的应用也不断增加，如今深度学习在医学等领域已有应用，申请号为202010034495.5，专利技术名称为基于U
‑
net模型的舌体自动分割方法的专利申请提出了将其运用在舌像分割当中，但在应用时，其采用传统的网络框架，没有关注舌体的边缘信息，最终得到的图片中舌体形成锯齿或图像缺失，锯齿会使得舌体是否有齿痕以及形状是否正常变得难以判断，图像缺失会使得舌体是否有黑点，颜色是否正常变得难以确定，这些都将导致中医或人工智能在舌诊时容易误诊，因此让网络架构自适应的学习舌体边缘的特点，保证舌体图像提取的完整性、准确性是十分重要的。

技术实现思路

[0003]为解决
技术介绍
中的问题，本专利技术提出一种基于深度学习的改良后的舌像分割方法，使用图像增强的数据处理方法，并结合优化的深度学习网络进行训练，能更加精准高效地辨别舌体边缘，减少误分割本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的舌象仪舌像分割方法，其特征在于，包括如下步骤：步骤1：使用图像采集装置进行舌象数据采集；步骤2：对步骤1采集到的图像进行数据增强操作，扩大数据集数量，人为对扩大后数据集中的每个图像的舌体区域进行标注，并对标注后的数据集进行划分，划分为训练集、验证集与测试集；步骤3：将步骤2中的训练集与验证集放入优化后的DeeplabV3+网络进行训练；步骤4：利用步骤3中训练好的模型对步骤2中测试集进行预测，获得舌体图像的每个像素点的分类，与真实值进行对比，得到mIoU值衡量模型能力；步骤5：对步骤4得到的像素点分类，进行新图创建与复制原图对应像素点，获得分割后的舌象。2.根据权利要求1所述的一种基于深度学习的舌象仪舌像分割方法，其特征在于，采用分辨率为1920
×
1080的相机进行图像拍摄采集，采集范围为鼻梁中间以下，下颚以上。3.根据权利要求1所述的一种基于深度学习的舌象仪舌像分割方法，其特征在于，对步骤1采集到的图像以一定概率随机进行
‑
15度到+15度的随机图像旋转，图片镜像翻转，图片放大缩小，以此方法将数据集图像数量扩大至原集合四倍，将数据集按照81：9：1的比例划分为训练集、...

【专利技术属性】
技术研发人员：田昶，龚涛，
申请(专利权)人：河海大学，
类型：发明
国别省市：