基于辅助光源的舌象点刺识别方法研究

中医舌诊中点刺所生部位和其在不同部位的疏密程度对疾病诊断有重要价值,点刺自动识别是实现舌诊客观化诊断的关键和难点之一。针对现有点刺识别方法适应性不高、识别率低等问题,提出了一种基于辅助光源的点刺识别方法。对标准白色光源和纯绿色光源下采集的10例舌象分别进行分割、配准,在绿光舌象上实现点刺提取并显示在白光舌象上,算法自动提取正确率能达到专家识别率88.47%;实现点刺的自动区域定位和计数。实验结果表明该方法点刺识别率较高,可在临床领域有所应用,为多种疾病提供了重要的诊断信息。

基于多尺度卷积神经网络的舌象点刺识别模型建立与验证

目的舌象中点刺所生的部位、颜色、分布的疏密可以推测邪热所在脏腑及其轻重。本研究聚焦于人工智能的图像分析方法研究中医点刺舌识别。方法基于图像深度学习和实例分割原理,设计了舌象点刺识别与提取模型。该模型包括多尺度特征图生成模块、候选区域搜索模块和目标区域识别模块。首先使用深度卷积网络分别建立多尺度低、高抽象度的特征图谱,再在特征图上进行目标候选框生成算法和优选策略以精选出高质量目标候选区域,最后使用分类网络对目标区域分类、计算目标区域像素,最终得到舌象表面点刺的区域分割。在无辅助光源条件下手机拍摄的不同规格舌象,使用该方法进行实验。结果实验结果表明,该点刺识别受试者工作特征曲线下的面积(AUC)值为92.40%,精确度为84.30%,灵敏度为88.20%,特异度为94.19%,召回率为88.20%,区域像素准确率指标像素精度(PA)为73.00%,均像素精度(mPA)为73.00%,交并比(IoU)为60.00%,均交并比(mIoU)为56.00%。结论本研究结果表明该模型适用于中医舌诊系统应用。基于多尺度卷积神经网络的点刺舌识别,有助于提高点刺分类和点刺区域像素的精准提取,为中医智能舌诊提供一种切实可行的方法。