CN111209801A - 一种中医胖舌识别方法及装置 - Google Patents
一种中医胖舌识别方法及装置 Download PDFInfo
- Publication number
- CN111209801A CN111209801A CN201911346435.0A CN201911346435A CN111209801A CN 111209801 A CN111209801 A CN 111209801A CN 201911346435 A CN201911346435 A CN 201911346435A CN 111209801 A CN111209801 A CN 111209801A
- Authority
- CN
- China
- Prior art keywords
- tongue
- fat
- face
- training
- deep learning
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 30
- 239000003814 drug Substances 0.000 title claims abstract description 19
- 238000001514 detection method Methods 0.000 claims abstract description 74
- 238000013145 classification model Methods 0.000 claims abstract description 26
- 238000013135 deep learning Methods 0.000 claims abstract description 26
- 238000013136 deep learning model Methods 0.000 claims abstract description 23
- 238000013528 artificial neural network Methods 0.000 claims abstract description 10
- 210000002105 tongue Anatomy 0.000 claims description 277
- 238000012549 training Methods 0.000 claims description 57
- 238000002372 labelling Methods 0.000 claims description 10
- 238000013527 convolutional neural network Methods 0.000 claims description 6
- 206010042727 Swollen tongue Diseases 0.000 claims description 4
- 230000000694 effects Effects 0.000 abstract description 6
- 230000001815 facial effect Effects 0.000 description 8
- 238000003745 diagnosis Methods 0.000 description 5
- 210000000056 organ Anatomy 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 239000011248 coating agent Substances 0.000 description 3
- 238000000576 coating method Methods 0.000 description 3
- 201000010099 disease Diseases 0.000 description 3
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 230000007812 deficiency Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000002405 diagnostic procedure Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 239000013078 crystal Substances 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 235000008216 herbs Nutrition 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 239000002932 luster Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 231100000915 pathological change Toxicity 0.000 description 1
- 230000036285 pathological change Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 210000000952 spleen Anatomy 0.000 description 1
- 210000002784 stomach Anatomy 0.000 description 1
- 230000009278 visceral effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/172—Classification, e.g. identification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/168—Feature extraction; Face representation
- G06V40/171—Local features and components; Facial parts ; Occluding parts, e.g. glasses; Geometrical relationships
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/90—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to alternative medicines, e.g. homeopathy or oriental medicines
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Medical Informatics (AREA)
- Evolutionary Computation (AREA)
- Oral & Maxillofacial Surgery (AREA)
- General Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Public Health (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Software Systems (AREA)
- Primary Health Care (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computing Systems (AREA)
- Evolutionary Biology (AREA)
- Molecular Biology (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Mathematical Physics (AREA)
- Epidemiology (AREA)
- Pharmacology & Pharmacy (AREA)
- Alternative & Traditional Medicine (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种中医胖舌识别方法，包括：使用面部识别深度卷积神经网络定位图像中人的面部，获取面部的矩形区域；将面部矩形区域进行分割，获取舌部检测区；使用深度学习分类模型，判断所述舌部检测区是否有舌体；若所述舌部检测区有舌体，则使用胖大舌深度学习模型，判断所述舌体的分类，确定所述舌体是否是胖大舌，解决现有技术中用户使用难度高，效果差的问题。
Description
技术领域
本申请涉及图像识别领域，具体涉及一种中医胖舌识别方法，同时涉及一种中医胖舌识别装置。
背景技术
中医是我们中华民族的瑰宝，是经过数千年很多代人不断完善的智慧结晶。随着时代的发展和社会的进步，以及中医治未病理念的深入人心，中医和现代科技相结合，产生了一系列的现代化成果。除了中药的现代化提取与制作，中医的诊断方法也在向着自动化、数字化的方向发展。正如《古今医统》所说：“望闻问切四字，诚为医之纲领。”即望闻问切组成了中医诊断的四诊。《灵枢·本脏篇》：“视其外应，以知其内脏，则知所病矣。”可知望诊具有非常重要的作用。望诊可以分为面诊和舌诊。《辨舌指南》：“辨舌质可辨脏腑的虚实，视舌苔可察六淫之浅深。”舌为心之苗，脾之外候，苔由胃气所生。脏腑通过经脉与舌相联，脏腑病变，可在舌质和舌苔上反映出来。舌诊主要诊断舌质和舌苔的形态、色泽等，以此判断疾病的性质、病势的浅深、气血的盛衰及脏腑的虚实等。
近年，随着图像处理技术的逐步发展，机器学习和深度学习等人工智能技术的不断成熟，深度卷积神经网络开始应用到中医舌诊之中，并产生了多种方法。但是，现有的面舌诊方法很多都要求用户把面部或者舌部固定在一个检测仪器的某个位置，用户使用起来很不方便，增加了用户使用的难度。而对于一些用于舌部定位或者舌部分割的方法，也需要舌头在整个图像中的占比不能太小，否则也会影响这些算法的效果。
发明内容
本申请提供一种中医胖舌识别方法，解决现有技术中用户使用难度高，效果差的问题。
本申请提供一种中医胖舌识别方法，包括：
使用面部识别深度卷积神经网络定位图像中人的面部，获取面部的矩形区域；
将面部矩形区域进行分割，获取舌部检测区；
使用深度学习分类模型，判断所述舌部检测区是否有舌体；
若所述舌部检测区有舌体，则使用胖大舌深度学习模型，判断所述舌体的分类，确定所述舌体是否是胖大舌。
优选的，使用面部识别深度卷积神经网络定位图像中人的面部，获取面部的矩形区域，包括：
使用基于ResNet的面部识别深度卷积神经网络，定位到图像中人的面部，进而获取面部的矩形区域。
优选的，将面部矩形区域进行分割，获取舌部检测区，包括：
将面部矩形区域进行分割，将分割的下面二分之一区域作为舌部检测区。
优选的，使用深度学习分类模型，判断所述舌部检测区是否有舌体，包括：
基于SqueezeNet的深度学习分类模型，使用有舌体和无舌体的图像作为训练样本对所述模型进行训练；
训练完成后，使用基于SqueezeNet的深度学习分类模型，对所述舌部检测区图像进行识别，所述模型输出所述舌部检测区图片是否有舌体。
优选的，若所述舌部检测区有舌体，使用胖大舌深度学习模型，判断所述舌体的分类，确定所述舌体是否是胖大舌的步骤之前，还包括：
使用图片标注工具LabelImg对舌体的矩形区域进行标注，将所述舌体的矩形区域作为训练样本；
使用所述训练样本，对SqueezeNet和SSD相结合的舌部定位模型进行训练；
训练完成后，所述舌部定位模型对所述舌部检测区的图片中的舌体进行定位。
优选的，在使用胖大舌深度学习模型之前，还包括：对所述胖大舌深度学习模型进行训练，训练的步骤包括：
根据舌体区域左上角顶点坐标、宽度和高度，获得舌体正方形区域；
使用所述舌体正方形区域，对基于SqueezeNet的胖大舌深度学习模型进行训练，所述模型输出舌体正方形区域对应的舌体分类；所述舌体分类包括胖舌，瘦舌，胖瘦适中舌。
优选的，若所述舌部检测区有舌体，使用胖大舌深度学习模型，判断所述舌体的分类，确定所述舌体是否是胖大舌，包括：
将所述舌部检测区有舌体的图片，经过基于SqueezeNet的胖大舌深度学习模型进行识别，输出所述舌体的分类，确定所述舌体是否是胖大舌。
本申请同时提供一种中医胖舌识别装置，包括：
面部矩形区域获取单元，用于使用面部识别深度卷积神经网络定位图像中人的面部，获取面部的矩形区域；
舌部检测区确定单元，将面部矩形区域进行分割，获取舌部检测区；
舌体检测单元，用于使用深度学习分类模型，判断所述舌部检测区是否有舌体；
胖大舌确定单元，若所述舌部检测区有舌体，则使用胖大舌深度学习模型，判断所述舌体的分类，确定所述舌体是否是胖大舌。
优选的，舌体检测单元，包括：
训练子单元，用于基于SqueezeNet的深度学习分类模型，使用有舌体和无舌体的图像作为训练样本进行训练；
舌体检测子单元，用于训练完成后，使用基于SqueezeNet的深度学习分类模型，对所述舌部检测区图像进行识别，所述模型输出所述舌部检测区图片是否有舌体。
优选的，还包括：
标注子单元，用于使用图片标注工具LabelImg对舌体的矩形区域进行标注，将所述舌体的矩形区域作为训练样本；
训练子单元，用于使用所述训练样本，对SqueezeNet和SSD相结合的舌部定位模型进行训练；
舌体定位子单元，用于训练完成后，所述舌部定位模型对所述舌部检测区的图片中的舌体进行定位。
本申请提供一种中医胖舌识别方法，首先通过面部识别深度卷积神经网络，获取面部的矩形区域，从面部矩形区域获取舌部检测区，再通过深度学习分类模型，判断舌部检测区是否有舌体，最后使用胖大舌深度学习模型，确定舌体是否是胖大舌，解决现有技术中用户使用难度高，效果差的问题。
附图说明
图1是本申请提供的一种中医胖舌识别方法的流程示意图；
图2是本申请涉及的面部检测结果示意图；
图3是本申请涉及的舌体区域定位结果图；
图4是本申请涉及的胖大舌训练样本的扩展效果图；
图5是本申请提供的一种中医胖舌识别装置示意图。
具体实施方式
在下面的描述中阐述了很多具体细节以便于充分理解本申请。但是本申请能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本申请内涵的情况下做类似推广，因此本申请不受下面公开的具体实施的限制。
图1是本申请提供的一种中医胖舌识别方法的流程示意图，下面结合图1对本申请提供的方法进行详细说明。
步骤S101，使用面部识别深度卷积神经网络定位图像中人的面部，获取面部的矩形区域。
本申请使用的深度学习框架是Caffe，面部检测使用基于ResNet的面部识别深度卷积神经网络，对舌体采集装置采集到的图像，进行面部识别，获取面部的矩形区域。采集图像时，会受到其他因素的影响，如环境因素，采集图像时，处于人员密集的场所，那么就会多个人同时出现在图像中，这时，面部识别深度卷积神经网络，就会自动识别处于图像最中间的、且面积最大的人脸，并将其作为面部检测结果，如图2所示。此时面部检测结果只检测了面部，并未判断面部定位区域是否有舌体。
步骤S102，将面部矩形区域进行分割，获取舌部检测区。
将如图2中的面部的矩形区域的下面二分之一区域作为“舌部检测区”，
步骤S103，使用深度学习分类模型，判断所述舌部检测区是否有舌体。
基于SqueezeNet的深度学习分类模型，对如图2所示的有舌体和无舌体的图像作为训练样本对所述模型进行训练，训练完成后，使用基于SqueezeNet的深度学习分类模型，对舌部检测区图像进行识别，所述模型输出所述舌部检测区图片是否有舌体。若舌部检测区图片无舌体，那么就将无舌体的舌部检测区图像剔除。
步骤S104，若所述舌部检测区有舌体，则使用胖大舌深度学习模型，判断所述舌体的分类，确定所述舌体是否是胖大舌。
若通过基于SqueezeNet的深度学习分类模型，检测到舌部检测区图像有舌体，那么接着使用胖大舌深度学习模型，判断所述舌体的分类。在此步骤之前，还需使用舌部定位模型对有舌体的图像的舌部进行定位，舌部定位模型在使用之前，需要对模型进行训练和测试。具体的，使用图片标注工具LabelImg对舌体的矩形区域进行标注，将所述舌体的矩形区域作为训练样本，使用所述训练样本，对SqueezeNet和SSD相结合的舌部定位模型进行训练，当舌部定位模型的准确度达到使用要求后，完成模型的训练和测试，然后，使用模型对舌部检测区有舌体的图像进行舌体区域定位，其定位结果如图3所示。
然后，对舌体区域定位图使用胖大舌深度学习模型，判断所述舌体的分类，胖大舌深度学习模型在使用之前，也需进行训练和测试，具体的，先制作胖大舌训练样本，根据舌部定位环节确定的舌体区域左上角顶点坐标、宽度和高度，获得舌体正方形区域。如果舌体宽度大于高度，则高度扩展成和宽度一致；如果舌体宽度小于高度，则宽度扩展成和高度一致。扩展效果如图4。然后使用如图4所示的图像对基于SqueezeNet的深度学习分类模型进行训练，述模型输出舌体正方形区域对应的舌体分类；所述舌体分类包括胖舌，瘦舌，胖瘦适中舌。当深度学习分类模型的准确度达到使用要求后，完成完成模型的训练和测试，然后，将所述舌部检测区有舌体的图片，经过基于SqueezeNet的胖大舌深度学习模型进行识别，输出所述舌体的分类，确定所述舌体是否是胖大舌。从而为舌诊的提供依据。
本申请同时提供一种中医胖舌识别装置500，如图5所示，包括：
面部矩形区域获取单元510，用于使用面部识别深度卷积神经网络定位图像中人的面部，获取面部的矩形区域；
舌部检测区确定单元520，将面部矩形区域进行分割，获取舌部检测区；
舌体检测单元530，用于使用深度学习分类模型，判断所述舌部检测区是否有舌体；
胖大舌确定单元540，若所述舌部检测区有舌体，则使用胖大舌深度学习模型，判断所述舌体的分类，确定所述舌体是否是胖大舌。
优选的，舌体检测单元，包括：
训练子单元，用于基于SqueezeNet的深度学习分类模型，使用有舌体和无舌体的图像作为训练样本进行训练；
舌体检测子单元，用于训练完成后，使用基于SqueezeNet的深度学习分类模型，对所述舌部检测区图像进行识别，所述模型输出所述舌部检测区图片是否有舌体。
优选的，还包括：
标注子单元，用于使用图片标注工具LabelImg对舌体的矩形区域进行标注，将所述舌体的矩形区域作为训练样本；
训练子单元，用于使用所述训练样本，对SqueezeNet和SSD相结合的舌部定位模型进行训练；
舌体定位子单元，用于训练完成后，所述舌部定位模型对所述舌部检测区的图片中的舌体进行定位。
本申请提供一种中医胖舌识别方法，首先通过面部识别深度卷积神经网络，获取面部的矩形区域，从面部矩形区域获取舌部检测区，再通过深度学习分类模型，判断舌部检测区是否有舌体，最后使用胖大舌深度学习模型，确定舌体是否是胖大舌，解决现有技术中用户使用难度高，效果差的问题。
最后应该说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求范围当中。
Claims (10)
1.一种中医胖舌识别方法，其特征在于，包括：
使用面部识别深度卷积神经网络定位图像中人的面部，获取面部的矩形区域；
将面部矩形区域进行分割，获取舌部检测区；
使用深度学习分类模型，判断所述舌部检测区是否有舌体；
若所述舌部检测区有舌体，则使用胖大舌深度学习模型，判断所述舌体的分类，确定所述舌体是否是胖大舌。
2.根据权利要求1所述的方法，其特征在于，使用面部识别深度卷积神经网络定位图像中人的面部，获取面部的矩形区域，包括：
使用基于ResNet的面部识别深度卷积神经网络，定位到图像中人的面部，进而获取面部的矩形区域。
3.根据权利要求1所述的方法，其特征在于，将面部矩形区域进行分割，获取舌部检测区，包括：
将面部矩形区域进行分割，将分割的下面二分之一区域作为舌部检测区。
4.根据权利要求1所述的方法，其特征在于，使用深度学习分类模型，判断所述舌部检测区是否有舌体，包括：
基于SqueezeNet的深度学习分类模型，使用有舌体和无舌体的图像作为训练样本对所述模型进行训练；
训练完成后，使用基于SqueezeNet的深度学习分类模型，对所述舌部检测区图像进行识别，所述模型输出所述舌部检测区图片是否有舌体。
5.根据权利要求1所述的方法，其特征在于，若所述舌部检测区有舌体，使用胖大舌深度学习模型，判断所述舌体的分类，确定所述舌体是否是胖大舌的步骤之前，还包括：
使用图片标注工具LabelImg对舌体的矩形区域进行标注，将所述舌体的矩形区域作为训练样本；
使用所述训练样本，对SqueezeNet和SSD相结合的舌部定位模型进行训练；
训练完成后，所述舌部定位模型对所述舌部检测区的图片中的舌体进行定位。
6.根据权利要求1所述的方法，其特征在于，在使用胖大舌深度学习模型之前，还包括：对所述胖大舌深度学习模型进行训练，训练的步骤包括：
根据舌体区域左上角顶点坐标、宽度和高度，获得舌体正方形区域；
使用所述舌体正方形区域，对基于SqueezeNet的胖大舌深度学习模型进行训练，所述模型输出舌体正方形区域对应的舌体分类；所述舌体分类包括胖舌，瘦舌，胖瘦适中舌。
7.根据权利要求1所述的方法，其特征在于，若所述舌部检测区有舌体，使用胖大舌深度学习模型，判断所述舌体的分类，确定所述舌体是否是胖大舌，包括：
将所述舌部检测区有舌体的图片，经过基于SqueezeNet的胖大舌深度学习模型进行识别，输出所述舌体的分类，确定所述舌体是否是胖大舌。
8.一种中医胖舌识别装置，其特征在于，包括：
面部矩形区域获取单元，用于使用面部识别深度卷积神经网络定位图像中人的面部，获取面部的矩形区域；
舌部检测区确定单元，将面部矩形区域进行分割，获取舌部检测区；
舌体检测单元，用于使用深度学习分类模型，判断所述舌部检测区是否有舌体；
胖大舌确定单元，若所述舌部检测区有舌体，则使用胖大舌深度学习模型，判断所述舌体的分类，确定所述舌体是否是胖大舌。
9.根据权利要求8所述的方法，其特征在于，舌体检测单元，包括：
训练子单元，用于基于SqueezeNet的深度学习分类模型，使用有舌体和无舌体的图像作为训练样本进行训练；
舌体检测子单元，用于训练完成后，使用基于SqueezeNet的深度学习分类模型，对所述舌部检测区图像进行识别，所述模型输出所述舌部检测区图片是否有舌体。
10.根据权利要求8所述的方法，其特征在于，还包括：
标注子单元，用于使用图片标注工具LabelImg对舌体的矩形区域进行标注，将所述舌体的矩形区域作为训练样本；
训练子单元，用于使用所述训练样本，对SqueezeNet和SSD相结合的舌部定位模型进行训练；
舌体定位子单元，用于训练完成后，所述舌部定位模型对所述舌部检测区的图片中的舌体进行定位。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911346435.0A CN111209801A (zh) | 2019-12-24 | 2019-12-24 | 一种中医胖舌识别方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911346435.0A CN111209801A (zh) | 2019-12-24 | 2019-12-24 | 一种中医胖舌识别方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111209801A true CN111209801A (zh) | 2020-05-29 |
Family
ID=70788191
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911346435.0A Pending CN111209801A (zh) | 2019-12-24 | 2019-12-24 | 一种中医胖舌识别方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111209801A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113033488A (zh) * | 2021-04-22 | 2021-06-25 | 脉景（杭州）健康管理有限公司 | 医疗特征识别方法及装置、电子设备、存储介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107977671A (zh) * | 2017-10-27 | 2018-05-01 | 浙江工业大学 | 一种基于多任务卷积神经网络的舌象分类方法 |
| CN109199334A (zh) * | 2018-09-28 | 2019-01-15 | 小伍健康科技（上海）有限责任公司 | 一种基于深度神经网络的舌象体质辨别方法及设备 |
| CN109598297A (zh) * | 2018-11-29 | 2019-04-09 | 新绎健康科技有限公司 | 一种舌苔舌质分析方法、系统、计算机设备和存储介质 |
| CN109637660A (zh) * | 2018-12-19 | 2019-04-16 | 新绎健康科技有限公司 | 一种基于深度卷积神经网络的舌诊分析方法及系统 |
-
2019
- 2019-12-24 CN CN201911346435.0A patent/CN111209801A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107977671A (zh) * | 2017-10-27 | 2018-05-01 | 浙江工业大学 | 一种基于多任务卷积神经网络的舌象分类方法 |
| CN109199334A (zh) * | 2018-09-28 | 2019-01-15 | 小伍健康科技（上海）有限责任公司 | 一种基于深度神经网络的舌象体质辨别方法及设备 |
| CN109598297A (zh) * | 2018-11-29 | 2019-04-09 | 新绎健康科技有限公司 | 一种舌苔舌质分析方法、系统、计算机设备和存储介质 |
| CN109637660A (zh) * | 2018-12-19 | 2019-04-16 | 新绎健康科技有限公司 | 一种基于深度卷积神经网络的舌诊分析方法及系统 |
Non-Patent Citations (1)
| Title |
|---|
| 王丽冉;汤一平;陈朋;何霞;袁公萍;: "面向舌体分割的两阶段卷积神经网络设计" * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113033488A (zh) * | 2021-04-22 | 2021-06-25 | 脉景（杭州）健康管理有限公司 | 医疗特征识别方法及装置、电子设备、存储介质 |
| CN113033488B (zh) * | 2021-04-22 | 2023-11-21 | 脉景（杭州）健康管理有限公司 | 医疗特征识别方法及装置、电子设备、存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107622492B (zh) | 肺裂分割方法及系统 | |
| CN109859203B (zh) | 基于深度学习的缺陷牙齿图像识别方法 | |
| CN109886933B (zh) | 一种医学图像识别方法、装置和存储介质 | |
| CN107292877B (zh) | 一种基于眼底图像特征的左右眼识别方法 | |
| CN109858540B (zh) | 一种基于多模态融合的医学图像识别系统及方法 | |
| CN109637660B (zh) | 一种基于深度卷积神经网络的舌诊分析方法及系统 | |
| US20160228008A1 (en) | Image diagnosis device for photographing breast by using matching of tactile image and near-infrared image and method for aquiring breast tissue image | |
| CN109615642A (zh) | 一种放疗计划中的危及器官自动勾画方法及装置 | |
| WO2007058195A1 (ja) | 超音波診断装置 | |
| CN111341437B (zh) | 基于舌图像的消化道疾病判断辅助系统 | |
| CN109255354A (zh) | 面向医用ct的计算机图像处理方法和装置 | |
| CN108596174A (zh) | 一种皮肤病影像的病灶定位方法 | |
| CN113130066A (zh) | 一种基于人工智能的舌诊图像识别方法 | |
| CN106778047A (zh) | 一种基于多维度医学图像的中医面诊综合系统 | |
| CN114419181A (zh) | Cta图像的重建方法及重建装置、显示方法及显示装置 | |
| CN110189324A (zh) | 一种医学图像处理方法及处理装置 | |
| CN113298773A (zh) | 基于深度学习的心脏视图识别与左心室检测装置、系统 | |
| CN111209801A (zh) | 一种中医胖舌识别方法及装置 | |
| KR20130045544A (ko) | 자기공명영상을 분석하는 방법, 장치 그리고 자기공명영상을 분석하기 위한 프로그램이 기록된 기록매체 | |
| CN106780720B (zh) | 医学图像显示方法及装置 | |
| Smith et al. | Automated torso contour extraction from clinical cardiac MR slices for 3D torso reconstruction | |
| CN112863699A (zh) | 一种基于移动端的esd术前讨论系统 | |
| CN111191571A (zh) | 一种基于人脸特征点检测的中医面诊脸部分区方法和系统 | |
| CN116092157A (zh) | 一种智能面舌诊方法、系统及智能设备 | |
| CN113838020B (zh) | 一种基于钼靶影像的病变区域量化方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200529 |
|
| RJ01 | Rejection of invention patent application after publication |