适用于面诊图像分割的轻量级网络

目前,面诊图像脏腑分布区域的分割大多采取传统分割方法或重量级分割网络,存在鲁棒性不强或实时性差的不足。针对上述问题,提出一种结合空洞卷积、通道重排、通道分割和非对称卷积的瓶颈结构,并基于此结构构建一种轻量级面诊图像实时语义分割网络。首先,通过通道分割方法分割通道,分别对分离得到的通道进行非对称卷积和空洞非对称卷积,以实现减少参数量的同时密集提取特征;其次,采用通道重排技术对处理后分离的通道进行重排,以实现通道之间的信息交互;然后,利用残差与输入特征进行连接,丰富特征信息。此外,针对中医面部五脏反射区域存在模糊边界而导致分割效果不佳的问题,提出一种加权边界感知损失函数,在模型训练的过程中给区域边界的像素赋予更大的权重。在单个GTX 1080 GPU上对面诊图像数据集进行实验,总体像素准确率、平均交并比和F1分数分别达到98.34%,86.76%和92.81%,推理速度达到57 f/s,取得整体对比最佳的分割性能。实验结果表明,所提方法能够在保证分割精度的同时实现实时分割。

基于改进PSO算法优化SVM模型的面色识别

针对传统中医诊断信息技术中,存在样本不平衡及面色识别精度低的问题,提出了基于改进粒子群算法的支持向量机(SVM)模型。由于数据量的限制,选择SVM小样本分类模型。采用粒子群算法为SVM模型选择合理参数。采用惯性权重先增后减的更新策略,同时利用自适应高斯模型对粒子群算法进行改进,应对容易陷入局部最优的问题。研究了384个面部图像,并利用测试数据在训练模型上进行预测。实验结果显示,模型的平均识别精确率达92.26%,相比于传统的SVM算法高出5.25%。

基于一种局部图像增强和改进分水岭的舌体分割算法

舌体分割是舌诊客观化中非常重要的第一步,鉴于舌体与唇色相近,故难以将二者分开。基于此,该文提出一种舌体分割算法,该算法先用改进的分水岭算法和Otsu算法获取舌体的初始区域,并且剔除其中的部分冗余信息;接着,针对初始区域中舌体和下唇区分的难题,提出一种局部图像增强(LIE)方法,先从初始区域中,然后利用局部图像中舌体与下唇细微的色差,计算出不同的图像增强系数,使增强后的局部图像中舌体和嘴唇的颜色具有明显的区别,从而将两者精确地划分。经试验证明,该舌体分割算法的评估指标FN,FP,TP分别为3.43%,2.89%和96.6%。因此,该文算法具有良好地分割效果。