基于多任务深度学习的中医舌诊应用研究
发布时间：2021-04-14 16:59
对世界医学研究而言,关注人们的综合身体状况而非仅仅针对单一疾病已经成为了一个重要的研究方向。这与中医学将人看做一个整体,通过调节整体系统循环来使人体达到健康状况的思想相一致。对人类个体而言,随着生活水平的不断提高,人们对身体健康越来越重视,也更关注疾病的无创、无痛检测。中医学理论认为“有诸内者必形诸外”,人体是一个有机的整体,舌体通过经络与五脏肺腑相连接。中医认为望舌可以了解患者的肺腑虚实、病性寒热、病邪所在、气血盛衰,对病情评估和开方用药起着重要的作用。舌诊通过观察舌象对患者的病理状况进行诊断和分析。因此,中医舌诊最明显的一个优点就是无痛、无创伤。这些契合之处都为中医舌诊未来的发展提供了机遇。然而,由于传统舌诊过于依赖医生的主观判断,也容易受到当时环境、光线等因素的影响,具有不可重复性和模糊性,这不利于中医舌诊的经验传承和长远发展。因此,实现临床舌诊的客观化和现代化成为中医舌诊发展的必然趋势。而随着计算机技术的快速发展和智能移动设备的普及,利用移动设备在自然环境下进行舌象的采集和智能分析逐渐成为新的发展方向。对不同设备在自然光照下拍摄的舌象进行处理分析,成为了计算机舌诊的主要研究课题...
【文章来源】：浙江工业大学浙江省
【文章页数】：59 页
【学位级别】：硕士
【部分图文】：
各算法校正结果（a）偏色舌象及（b）镜面法及（c）灰度世界法（d）本章所用方法
从而使网络的输出特征从一维变为二维，从特征度学习思想从图像分类到图像分割的主要思路。et 同样是基于 FCN 的思想进行网络的搭建。首先选础网络结构，去除掉其中的全连接层，只保存其中五图像角度来说，算法可分为由大到小、由小到大两，池化操作虽然能够对特征进行冗余去除，减少网一就是缩小特征图尺寸，使得特征图与原图像尺寸个池化层都会将特征图缩小为原来的一半，最后池化2。在逐像素点进行判别时，无法将其对应到原图中得目标的特征信息也有一定的缺失。层特征提取更关注图像中的基本元素，如边缘纹理提取更关注其中的深层语义信息，更抽象化。将两信息互补，使得特征表达更全面。如图 4-4 所示，图示舌象在五个池化层的前五张特征图可视化情况。
(a) (b) (c) (d) (e) (f)图 4-7 舌象分割结果（a）原图及（b）Otsu 及（c）K-means++及（d）Grabcut 及（e）MNC及（f）本章方法Figure 4-7. The segmentation results of tongue images (a) tongue images, and (b) Otsu, and (c)K-means++, and (d) Grabcut, and (e) MNC, and (f) the method of this chapter表 4-4 本章分割方法拆分结果Table 4-4. The split results of segmentation method in this chapter分割方法 P R FFsnet 0.9700 0.9337 0.9499Rsnet+Fsnet 0.9792 0.9450 0.9610Fsnet+优化算法 0.9733 0.9326 0.9521本章完整方法 0.9785 0.9442 0.9602P 与错分率相对，P 越高则错分率越低。R 与漏分率相对，R 越高则漏分率越低。从表中可以看出，本章提出的两阶段网络（即 Rsnet+Fsnet）在三个评价指标
【参考文献】：
期刊论文
[1]一体式中医舌象采集分析系统设计[J]. 姜永超,樊春玲,明星,杨浩,张以涛. 计算机测量与控制. 2018(01)
[2]中医疗效评价中舌象研究重要性探析[J]. 王洋,李书楠,王昌恩,李灿东. 中华中医药杂志. 2017(10)
[3]一种基于聚类的舌苔舌质分离方法[J]. 李兆龙,苏育挺. 南开大学学报(自然科学版). 2017(04)
[4]浅谈中医舌象客观化、定量化、标准化研究[J]. 黄淑琼,张云龙,周静,文磊. 中华中医药杂志. 2017(04)
[5]卷积神经网络研究综述[J]. 周飞燕,金林鹏,董军. 计算机学报. 2017(06)
[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]中医舌诊源流探析[J]. 孟宪友,黄水清. 辽宁中医杂志. 2016(05)
[8]多标记学习在中医舌象分类中的研究[J]. 张静,张新峰,王亚真,蔡轶珩,胡广芹. 北京生物医学工程. 2016(02)
[9]手持式舌象仪的研制[J]. 邸丹,周敏,周会林,秦鹏飞,朱巍. 上海中医药杂志. 2016(02)
[10]自然环境下舌诊图像偏色检测及其颜色校正方法[J]. 刘齐,黄晓阳,王博亮,王彦晖. 厦门大学学报(自然科学版). 2016(02)
硕士论文
[1]基于移动终端的中医舌象数据挖掘系统研究与设计[D]. 孙祥栋.江汉大学 2015
本文编号：3137681
【文章来源】：浙江工业大学浙江省
【文章页数】：59 页
【学位级别】：硕士
【部分图文】：
各算法校正结果（a）偏色舌象及（b）镜面法及（c）灰度世界法（d）本章所用方法
从而使网络的输出特征从一维变为二维，从特征度学习思想从图像分类到图像分割的主要思路。et 同样是基于 FCN 的思想进行网络的搭建。首先选础网络结构，去除掉其中的全连接层，只保存其中五图像角度来说，算法可分为由大到小、由小到大两，池化操作虽然能够对特征进行冗余去除，减少网一就是缩小特征图尺寸，使得特征图与原图像尺寸个池化层都会将特征图缩小为原来的一半，最后池化2。在逐像素点进行判别时，无法将其对应到原图中得目标的特征信息也有一定的缺失。层特征提取更关注图像中的基本元素，如边缘纹理提取更关注其中的深层语义信息，更抽象化。将两信息互补，使得特征表达更全面。如图 4-4 所示，图示舌象在五个池化层的前五张特征图可视化情况。
(a) (b) (c) (d) (e) (f)图 4-7 舌象分割结果（a）原图及（b）Otsu 及（c）K-means++及（d）Grabcut 及（e）MNC及（f）本章方法Figure 4-7. The segmentation results of tongue images (a) tongue images, and (b) Otsu, and (c)K-means++, and (d) Grabcut, and (e) MNC, and (f) the method of this chapter表 4-4 本章分割方法拆分结果Table 4-4. The split results of segmentation method in this chapter分割方法 P R FFsnet 0.9700 0.9337 0.9499Rsnet+Fsnet 0.9792 0.9450 0.9610Fsnet+优化算法 0.9733 0.9326 0.9521本章完整方法 0.9785 0.9442 0.9602P 与错分率相对，P 越高则错分率越低。R 与漏分率相对，R 越高则漏分率越低。从表中可以看出，本章提出的两阶段网络（即 Rsnet+Fsnet）在三个评价指标
【参考文献】：
期刊论文
[1]一体式中医舌象采集分析系统设计[J]. 姜永超,樊春玲,明星,杨浩,张以涛. 计算机测量与控制. 2018(01)
[2]中医疗效评价中舌象研究重要性探析[J]. 王洋,李书楠,王昌恩,李灿东. 中华中医药杂志. 2017(10)
[3]一种基于聚类的舌苔舌质分离方法[J]. 李兆龙,苏育挺. 南开大学学报(自然科学版). 2017(04)
[4]浅谈中医舌象客观化、定量化、标准化研究[J]. 黄淑琼,张云龙,周静,文磊. 中华中医药杂志. 2017(04)
[5]卷积神经网络研究综述[J]. 周飞燕,金林鹏,董军. 计算机学报. 2017(06)
[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]中医舌诊源流探析[J]. 孟宪友,黄水清. 辽宁中医杂志. 2016(05)
[8]多标记学习在中医舌象分类中的研究[J]. 张静,张新峰,王亚真,蔡轶珩,胡广芹. 北京生物医学工程. 2016(02)
[9]手持式舌象仪的研制[J]. 邸丹,周敏,周会林,秦鹏飞,朱巍. 上海中医药杂志. 2016(02)
[10]自然环境下舌诊图像偏色检测及其颜色校正方法[J]. 刘齐,黄晓阳,王博亮,王彦晖. 厦门大学学报(自然科学版). 2016(02)
硕士论文
[1]基于移动终端的中医舌象数据挖掘系统研究与设计[D]. 孙祥栋.江汉大学 2015
本文编号：3137681
本文链接：https://www.wllwen.com/zhongyixuelunwen/3137681.html
最近更新
教材专著
