基于多种机器视觉技术的舌体分割模型研究

在中医诊断智能化发展的背景下,该研究以获取舌像目标区域高精准、自动化提取方法为目标,运用传统图像分析技术Snake模型与CDT模型以及基于深度学习图像技术方法UNet模型与DeeplabV3模型,以2048例标准化中医舌象图片为数据基础开展舌体目标区域分割实验。在测试实验中,分割后图像的可视化结果显示深度学习技术方法整体优于传统图像方法;利用像素精确度(PA)和平均交并比(MIoU)的语义分割评价结果表明UNet模型以MIoU为91%,PA为93%表现最优,同时深度学习方法整体优于传统图像技术。基于上述,该研究所训练的UNet模型可完成高精度、全自动舌体目标区域分割任务;深度学习技术相较于传统图像技术方法能够提升舌体分割精度,有利于中医舌象的自动化识别。