基于多流神经网络的痤疮证候分类

目的以为中医提供贴合实际需求的痤疮辅助分类方案为目的,针对传统神经网络在痤疮证候分类任务中计算复杂、准确率低,且无法实现将面图像与舌图像相结合进行同时分析的问题,提出了基于多流神经网络的痤疮证候分类模型。方法首先,针对面部图像,引入预处理模块Faster-RCNN识别出痤疮患者五官区域并对其进行遮挡,完整保留面部皮肤。其次,针对舌图像,引入预处理模块基于K-means聚类算法的舌图像苔质分离方法。接着,将面部皮肤、舌质和舌苔图像分别作为多流神经网络分类模块的三个并行对称网络流的输入,提取更充分有效的图像特征。最后,将三个分类结果相加融合得到证候类型输出。结果实验完成面图像五官自动识别、舌图像苔质分离的图像预处理任务,搭建多流神经网络完成痤疮证候分类,整体模型针对痤疮证候的最高分类准确率为97.13%。结论基于多流神经网络的痤疮证候分类模型实现了将面图像与舌图像相结合进行分析的任务,同时,模型测试效率及准确率较经典网络有所提高。