【技术实现步骤摘要】
一种基于深度学习的舌象体质分类方法
[0001]本专利技术涉及舌象分类方法领域，尤其涉及一种基于深度学习的舌象体质分类方法。
技术介绍
[0002]中医诞生于原始社会，春秋战国时期中医理论已基本形成，通过长期医疗实践逐步形成并发展成的医学理论体系，中医体质学作为中医基本理论的一部分，其以生活个体为研究起点，着重对各类体质的特点、演变、影响因素、分类标准进行深入探讨，进而对疾病的预防、诊断和治疗、康复和保健进行个性化指导。临床应用中，望舌是医生通过观察舌象诊断体质的重要方法，舌的变化与疾病的发生有着密切的关系，根据舌象特征的不同可以判别患者的主体质类型和存在的偏颇体质类型，然而传统舌诊往往受医生专业水平、就诊环境的影响，诊断结果不具有客观性、可重复性，严重阻碍了中医舌诊的发展。因此，利用人工智能技术实现舌诊客观化是很有必要的。
[0003]面向舌象的体质分类任务分为舌象分割和体质分类两个子任务，舌象分割是指将包含舌象的图片中分割出来，以消除复杂背景因素对体质识别的干扰，分割结果的好坏对于体质分类任务性能有直接的影响；体...
【技术保护点】
【技术特征摘要】
1.一种基于深度学习的舌象体质分类方法，其特征在于，包括以下步骤：步骤一、获取舌象数据并进行预处理，得到舌象预处理图片；步骤二、将舌象预处理图片输入Deeplabv3+改进模型进行舌体分割，得到舌象分割特征图；采用轻量级网络Mobilenetv2替换Deeplabv3+原始模型的主干网络Inceptionv3，并在Deeplabv3+改进模型的主干网络的每一个瓶颈层之后增加一个CBPN注意力模块，CBPN注意力模块包括通道注意力模块、空间注意力模块和ParNet Block模块；通道注意力模块采用最大池化和平均池化操作，对于CBPN注意力机制输入特征图F沿着通道维度进行处理，得到平均池化特征和最大池化特征，然后使用共享网络层分别对平均池化特征和最大池化特征进行维度变换，并对维度变换后的平均池化特征和最大池化特征进行相加融合，然后通过Sigmoid函数对融合后特征进行激活，得到通道注意力特征图M
c
，然后将通道注意力特征图M
c
与CBPN注意力机制输入特征图F相乘，得到精细化通道特征图；通道注意力特征图M
c
的公式为：；上式中，AvgPool为平均池化函数，MaxPool为最大池化函数，MLP为共享网络瓶颈卷积，σ为Sigmoid激活函数；空间注意力模块采用最大池化和平均池化操作，对于精细化通道特征图沿着通道维度进行通道信息聚合，得到平均池化特征和最大池化特征，然后对平均池化特征和最大池化特征沿着通道维度进行拼接，再对拼接后特征进行卷积操作，然后通过Sigmoid函数对卷积后特征进行激活，得到空间注意力特征图M
s
，然后将空间注意力特征图M
s
与精细化通道特征图相乘，得到CBAM机制处理后特征图F2；空间注意力特征图M
s
的公式为：；上式中，AvgPool为平均池化函数，MaxPool为最大池化函数，MLP为共享网络瓶颈卷积，σ为Sigmoid激活函数；ParNet Block模块通过并行分支的1
×
1卷积层、3
×
3卷积层、SSE层分别对CBAM机制处理后特征图F2进行处理，将并行分支处理后的特征相加融合并使用批归一化层处理，然后利用SiLU激活函数对归一化特征进行激活，得到ParNet Block注意力特征图P
f
，然后将ParNet Block注意力特征图P
f
与CBAM机制处理后特征图F2相乘，得到CBPN模块输出特征图F3；ParNet Block注意力特征图P
f
的公式为：；上式中，σ为Sigmoid激活函数，θ为SiLU激活函数，BN为归一化层，C1为1
×
1卷积层，C3为3
×
3卷...
【专利技术属性】
技术研发人员：吴庆涛，王琳，张明川，朱军龙，卜卫锋，郑瑞娟，张茉莉，冀治航，赵旭辉，刘牧华，
申请(专利权)人：河南科技大学，
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。