[发明专利]一种两阶段深度迁移学习中医舌诊模型

说明书

一种两阶段深度迁移学习中医舌诊模型，属于中医辅助诊疗技术领域。首先，基于深度卷积特征范式，构建深度网络，利用金字塔策略，融合多尺度特征，构建对输入舌像的深层抽象表示。然后，设计两阶段的深度迁移学习，针对性地获取舌像诊断中对代表性病灶特征的识别能力，有效解决数据缺乏问题，降低训练成本。在此基础上，设计病灶检查代价函数，训练深度迁移模型，从不同尺度进行检测，标注异常舌像病灶，提高检测精度。最后，根据深度迁移模型的检查结果模拟中医诊疗“众诊合参”过程，进行异常舌像的实时判别，提高诊断的准确率。本发明设计的模型能够模拟中医诊断理论，实时诊断异常舌像，为中医提供临床辅助和诊疗建议。

技术领域

本发明属于中医辅助诊疗技术领域，涉及一种两阶段深度迁移学习中医舌诊模型，解决深度学习在传统中医诊疗方法计算机化的过程中，面临的数据缺乏、诊断准确率不高等问题。

背景技术

中医是我国一项重要的非物质文化遗产，在治疗慢性病与突发疾病中具有重要的作用。随着医学和计算机科学的共同发展，中医的现代化愈发得到重视，传统中医诊疗方法的标准化和计算机化迫在眉睫。采用先进的计算机技术模拟复现中医诊疗方法，传承名老中医经验，具有重要的现实意义。然而，现有基于浅层机器学习的方法，受限于方法的特征挖掘能力，难以建模中医诊疗中灵活多样的诊断规则。因此，研究深度中医辅助诊疗模型成为当前研究热点。

深度诊疗方法使用临床数据训练深度神经网络，能够拟合名医诊疗规则，传承中医经验。然而，现有的深度诊疗方法依赖海量的标签临床数据才能拟合医师的诊断规则。而中医诊疗数据来源缺乏、采集困难；同时数据稀少昂贵，往往需要资深医生对数据进行标注。在实际诊断中，很难获得足够的数据训练中医深度诊疗模型。因此如何设计少样本深度诊断方法成为中医现在话辅助诊疗的关键课题。

因此，为了更加有效地拟合中医诊疗规则，满足实际应用中实时诊疗的需求，本发明针对中医“望诊”中重要的诊疗方式——舌诊，提出一种两阶段深度迁移中医舌诊模型，将舌诊病灶发现建模为图像标注问题，进而模拟中医“众诊合参”的重要理论进行判断，实现对常见异常舌像的实时诊断，为中医提供临床辅助和诊疗建议。

两阶段深度迁移中医舌诊模型在设计过程中，主要存在以下三方面挑战：

(1)舌诊数据缺乏问题：

中医舌诊数据采集自临床诊断，而当前中医诊疗方法的现代化仍处在起步阶段，现有的舌像图片数据数量相对较少，难以支撑深度模型训练。同时，每张舌像图片样本都需要经验丰富的医生进行标注，导致有效的舌诊数据更加稀少。因此，如何利用有限的舌诊数据训练可靠模型，实现高精度标注，是模型设计的关键问题之一。

(2)训练开销问题：

现有的基于深度学习的图像标注方法，为了得到高精度的识别模型，除了需要大量训练数据，还需要顶级硬件设备作为计算支持，进行长时间的训练。时间和硬件的开销都制约着模型的实际应用。因此，如何在短时间内应用低端设备训练可靠模型，使之更广泛应用于中医辅助诊断，是模型设计的关键问题之一。

(3)精确度问题：

中医舌诊中的病灶不同于现有常见物体识别，其外观特征有很大区别，难以直接应用现有模型。异常舌像病灶较小，对模型精确识别小目标的能力有着较高的要求。同时，舌诊图像采集自日常诊疗，舌像分布随机，标签不均衡。这些因素都会影响舌像辅助诊疗的准确度。因此，如何保证训练的模型具有较高的精确度，使其能够满足中医诊疗的实际需要，是模型设计的关键问题之一。

发明内容

舌诊是中医“望、闻、问、切”四诊中最重要的组成部分之一，通过观察病人舌头的颜色、姿态、舌苔以及舌体上的病灶等舌像，医生可以分析病人的身心状态，推断内脏器官的潜在疾病。舌诊主要倚赖于视觉观察，往往依赖经验进行判断。然而，有经验的中医医生和病人需求相比数量严重不足，尤其在落后地区；同时年轻的医生缺乏临床经验，可能发生误判，影响病人及时得到诊疗，这些都严重制约了中医的发展和现代化进程。