[发明专利]一种舌象特征提取方法、系统和计算机可读存储介质

说明书

本发明提供一种舌象特征提取方法、系统和计算机可读存储介质，所述方法包括：获取残差网络的训练样本数据；基于所述训练样本数据，训练出能够准确判别出舌象特征的残差网络模型；获取待提取特征的舌象图像；采用所述残差网络模型对所述舌象图像中的舌象特征进行提取，并将提取信息进行显示。本发明通过残差网络有效解决了卷积神经网络层数增加出现的梯度消失问题，尽管舌象图像复杂，难以实现有效分类，但只要有足够多卷积神经网络层数即可以检测提取出足够复杂的舌裂纹特征，从而填补了当今基于残差网络针对舌裂纹特征检测提取的相关医疗设备上的缺失。

技术领域

本发明涉及深度学习和生物信息识别技术领域，尤其涉及一种舌象特征提取方法、系统和计算机可读存储介质。

背景技术

舌象中的舌裂纹是舌诊中重要的检查部分，舌裂纹的有无与舌裂纹的形状能够反映人身体维生素缺乏情况和消化系统健康情况，且舌裂纹种类大致可分为有纵形、横形、爻字形，以及辐射状、脑回状、鹅卵石状等。中医上已经获得舌裂纹种类和身体的健康状况的关系，所以明确辨别出舌裂纹的种类，对中医问诊有极大好处。如今，深度学习的发展对计算机视觉产生巨大影响，在图像分类问题上已经能够接近人类的感知系统。

卷积神经网络与舌诊分类问题的应用中，现有技术过于追求全面，将舌象的各个特点基本全部包括进去，导致分类精度降低，且很难客观准确的反映舌象与人身体健康的情况。残差网络是卷积神经网络的一种，其是神经网络在图像分类应用较好的模型之一，但其并没有应用在舌裂纹的分类检测和特征提取，而且在舌裂纹分类检测的算法上，现有的技术很难实现。目前，医学上仍缺少关于残差网络针对舌裂纹检测的相关医疗设备。

发明内容

为了解决上述至少一个技术问题，本发明提出了一种舌象特征提取方法、系统和计算机可读存储介质。

为了实现上述目的，本发明第一方面提出了一种舌象特征提取方法，所述舌象特征提取方法包括：

获取残差网络的训练样本数据；

基于所述训练样本数据，训练出能够准确判别出舌象特征的残差网络模型；

获取待提取特征的舌象图像；

采用所述残差网络模型对所述舌象图像中的舌象特征进行提取，并将提取信息进行显示。

本方案中，基于所述训练样本数据，训练出能够准确判别出舌象特征的残差网络模型，还包括：

将所述训练样本数据输入所述残差网络的卷积层进行处理，以提取所述训练样本数据的特征值；

将所述特征值输入所述残差网络的映射层进行映射，以得到所述特征值的映射值；

根据所述映射值，并采用交叉熵损失函数确定所述训练样本数据的损失值；

采用Adam优化算法对所述损失值进行优化，训练出提取舌象特征的参数信息。

本方案中，训练出能够准确判别出舌象特征的残差网络模型，还包括：

采用GPU加速训练出能够准确判别出舌象特征的残差网络模型。

在本方案中，获取残差网络的训练样本数据，还包括：

通过摄像头采集多个舌象样本图像；

根据各个舌象样本图像的特征进行标注以生成用于所述残差网络的训练样本数据，且每份舌象样本图像对应一个标签；

将所述训练样本数据进行存储，以供所述残差网络获取。

本方案中，在训练出能够准确判别出舌象特征的残差网络模型之后，还包括：

获取待分类检测的舌象图像；

采用所述残差网络模型对所述舌象图像进行分类检测。