[发明专利]一种基于D-Resnet的高光谱中医舌苔舌质分类方法

说明书

一种基于D‑Resnet的高光谱中医舌苔舌质分类方法，涉及计算机视觉领域。基于RGB颜色空间的舌苔舌质分类，信息量不足，而高光谱舌像蕴含大量的光谱以及空间信息，通过提取舌象某一区域的光谱反射率变化情况结合高光谱图像提供的空间分布信息，从而实现人体的舌苔舌质分类。本发明提出一个端到端的D‑Resnet网络对高光谱舌图像进行分类，本发明先构造了密集连接模块(densely‑connected spectral block)提取光谱信息，随后构造了预激活瓶颈残差模块(pre‑activation bottleneck residual spatial block)提取空间信息。本发明实现了基于高光谱图像的舌苔舌质分类。

技术领域

本发明属于计算机视觉领域，涉及一种D-Resnet网络的高光谱医学图像分类方法。

背景技术

舌诊是中医四诊的主要内容之一，对于指导中医临床辨证施治及疗效评价有着非常重要的意义。舌苔舌质信息定量描述作为中医舌诊的重要内容，直接影响到中医临床舌诊的准确性，随着科学技术的发展，关于舌苔舌质分类的研究已经取得显著进展，然而这些研究主要基于RGB颜色空间来对进行舌象信息采集与分析，信息量不足。而高光谱图像可以同时获得被测对象的二维图像信息和一维光谱信息，相较于传统RGB三基色图像，在信息量方面具有突出的优势。高光谱舌象图像呈现三维立体结构，从空间轴角度能够对舌象在不同光谱波长下的成像内容进行分析与比较，从光谱轴角度能够提取舌象某一区域的光谱反射率变化情况结合高光谱图像提供的空间分布信息，可以进行该区域的光学特征分析，从而实现人体的舌苔舌质分类。

高光谱图像含有大量的光谱和空间信息，加上潜在的冗余和噪声，给高光谱图像处理任务带来了困难。目前最先进的深度学习方法在高光谱图像分类和分析方面取得了前所未有的成绩。然而，这些体系结构仍然面临着精度下降和训练时间长的挑战。

发明内容

针对现有算法的不足，本发明提出一个端到端的D-Resnet网络对高光谱舌图像进行分类，与基于RGB图像的舌苔舌质分类，以及基于高光谱舌像的传统舌苔舌质分类方法不同，本发明构造了光谱信息提取模块与空间信息提取模块分别提取舌像中的光谱信息与空间信息。通过Densely-connected spectral模块提取光谱信息，然后通过pre-activationbottleneck residual spatial模块提取空间信息，通过空间光谱联合得出分类结果。本算法基于高光谱舌图像有效的实现了人体舌苔舌质分类，为中医舌诊客观化的研究提供了一种新的途径。

本发明提供一种基于端到端的D-Resnet网络的高光谱医学舌像分类算法，包括以下步骤：

1、高光谱舌像预处理

对原始舌图像数据集进行标注，得到标签图像作为真值，随机从原始舌图像数据集中选择一张图像输入到数据提取模块，每次随机在图像中选择9×9×L像素点的小块作为输入，从而能将更多的高光谱舌像数据送入网络。

2、Densely-connected spectral算法模块搭建

本发明利用高光谱技术，提出Densely-connected spectral模块，通过3D卷积提取舌像的深层光谱特征，解决传统舌苔舌质分类方法中信息量不足的问题。Densely-connected spectral模块由三个3D卷积层(3D-CONV)组成，由于在学习到更深层的光谱特征后网络会丢失舌像的浅层信息，因此我们构造了密集连接，每个卷积层通过密集连接与之前的所有卷积层相连。通过密集连接，每个卷积层接收来自前几层的特征映射，实现了特征重用，并且因此可以用较少的参数来获得更好的性能，从而使网络更加紧凑，获得更高的计算效率。

3、pre-activation bottleneck residual spatial算法模块搭建