基于卷积神经网络的舌象辨识模型应用研究

发布时间：2021-03-28 23:26

　　目前,现代化舌诊大多采用舌诊仪作为采集数据的手段,其普及性因费用、场地、时间等因素受到了严重制约,难以满足人们随时、随地“自助式”的舌诊需求。因此,本文以智能手机等便携设备采集的舌象数据为基础,基于卷积神经网络对舌象辨识展开了如下研究工作。首先,根据中医舌诊理论,在中医专家指导下,对舌象数据的属性及其类别进行定义;针对舌象辨识需多属性标注的问题,设计与开发舌象标注工具,并开展舌象数据标注工作,构建舌苔数据集和舌质数据集。其次,在对阈值分割、区域分割和图分割等经典图像分割方法分析的基础上,依据舌象数据特点,提出一种基于GrabCut算法的舌体自动分割方法,并采用形态学膨胀算法对舌体分割数据进行空洞检测和填充,进一步裁剪得到最终分割结果。实验表明,经自动分割后的舌体数据较完整地保留了舌象特征信息,可为舌象辨识研究提供数据支持。再次,在对经典卷积神经网络性能分析的基础上,提出一种舌象辨识模型TonNet。该模型以AlexNet网络结构为基础,引入DenseNet中的密集连接方式,主要包括卷积层,Se-dense块,池化层,全局平均池化层,全连接层和Softmax层。结合舌诊需舌苔、舌质多方位... 

【文章来源】：燕山大学河北省

【文章页数】：66 页

【学位级别】：硕士

【部分图文】：

舌象数据集样本示例

第 2 章 舌象辨识相关技术类别选项，当前图像数据分别在各属性下属于哪一类就单击选中，点击确定即可完成当前数据的类别标注。另外，舌象工具还设计了 90 度旋转功能，方便标注人员进行作业。舌象标注工具的开发是在 64 位的 Microsoft Windows10 系统下，使用 C#语言在 Visual Studio 2013 开发工具下开发。

图 3-3 水平方向灰度投影度积分可以看出，其舌体所在区域的左右边界对应的灰值，而这两个峰值之间的宽度大致就是舌体的水平宽度不同，所以在舌体左右边界处，亮度值迅速减小，使得在显的峰值，因此，确定水平灰度投影中主要峰值的位置就边界。与区域的上下边界估计行水平投影后，再对图像进行垂直投影，确定舌体区域 I ( x, y )，其大小记作M N，则其垂直灰度投影，如式1( ) ( , )Nyg x I x y—垂直方向灰度投影。据图 3-5 a)为例，对其进行水平方向灰度投影，结果如

【参考文献】：
期刊论文
[1]中医导引术在慢性病康复及亚健康保健中的作用[J]. 太花子,李向.  中国医药指南. 2018(35)
[2]面向舌体分割的两阶段卷积神经网络设计[J]. 王丽冉,汤一平,陈朋,何霞,袁公萍.  中国图象图形学报. 2018(10)
[3]基于卷积神经网络的目标识别及姿态检测[J]. 黄心汉,苏豪,彭刚,熊超.  华中科技大学学报(自然科学版). 2017(10)
[4]舌诊图像点刺和瘀点的识别与提取[J]. 王昇,刘开华,王丽婷.  计算机工程与科学. 2017(06)
[5]基于Otsu阈值法与形态学自适应修正的舌像分割方法[J]. 姜朔,胡洁,夏春明,戚进,彭颖红.  高技术通讯. 2017(02)
[6]一种2型糖尿病中医证型的舌图像识别方法[J]. 阚红星,张璐瑶,董昌武.  中国生物医学工程学报. 2016(06)
[7]中医辨识亚健康状态及其研究进展[J]. 陈娉婷,周小青,金梦.  中华中医药学刊. 2016(12)
[8]基于辅助光源的舌象点刺识别方法研究[J]. 王学民,王瑞云,郭丹,陆小左,周鹏.  传感技术学报. 2016(10)
[9]基于多级SVM分类的语音情感识别算法[J]. 任浩,叶亮,李月,沙学军.  计算机应用研究. 2017(06)
[10]图像边缘检测的分数阶微分算子研究[J]. 李军成.  计算机应用与软件. 2015(12)

博士论文
[1]基于生物视觉认知机理的特征提取及其应用研究[D]. 张云.华中科技大学 2014

硕士论文
[1]卷积神经网络在中医舌象分类模型中的应用研究[D]. 刘国正.吉林大学 2018
[2]基于小波分析和模糊聚类的图像分割技术及应用研究[D]. 孟宪辉.南京理工大学 2012



本文编号：3106438