[发明专利]基于卷积深度神经网络的AD量表手绘交叉五边形分类方法

说明书

本发明公开了基于卷积深度神经网络的AD量表手绘交叉五边形分类方法，步骤为：1)获取若干带有手绘交叉五边形的图像，并进行预处理；2)对预处理后的图像进行增强，并打上评估标签；以增强后的图像和评估标签建立训练数据集；3)建立卷积深度神经网络；4)将训练数据集输入到卷积深度神经网络中，利用随机梯度下降算法对卷积深度神经网络进行训练，得到手绘交叉五边形评估模型；5)将待分类图像输入到手绘交叉五边形评估模型中，获取待分类图像的评估标签，完成手绘交叉五边形的评估。本发明提出一种基于卷积深度神经网络的AD量表手绘交叉五边形分类方法，有效提高了卷积深度神经网络评分的准确率。

技术领域

本发明涉及手绘交叉五边形评分领域，具体是基于卷积深度神经网络的AD量表手绘交叉五边形分类方法。

背景技术

手绘交叉五边形评分是阿尔茨海默病智能量表诊断中视觉空间测试的主要内容，通过让患者手绘参考的交叉五边形标准图形，其得分可以衡量患者的视觉空间、记忆力、专注力和执行力，对患者病情诊断具有重要参考意义。

现有的评分方法用灰度化、二值化、中值滤波的方法对得分和未得分图像预处理后来训练卷积神经网络，评分的准确率可以达到60--70％。准确率较低的原因有两点：一是数据量不足。由于没有标准的图像数据集可以调用，手绘交叉五边形的图像需要人工采集，耗时耗力，也只能达到几百张的数量级，而传统的数据增强方法如翻转、平移、随机裁剪等会破坏图像中手绘交叉五边形的形状和分布特征，这些都限制了数据量的提高，难以满足深度学习的需求；二是图形特征提取困难。预处理后的图像存在较多冗余部分，手绘交叉五边形作为有效部分的占比较小，除此之外，不同图像中的手绘交叉五边形线条粗细不一致，对卷积深度神经网络提取特征带来了很大的阻碍，也限制了神经网络的泛化能力。

发明内容

本发明的目的是解决现有技术中存在的问题。

为实现本发明目的而采用的技术方案是这样的，基于卷积深度神经网络的AD量表手绘交叉五边形分类方法，主要包括以下步骤：

1)获取若干带有手绘图形的图像，并进行预处理。所述手绘图形为手绘交叉五边形；交叉五边形为存在重叠的至少2个五边形。

预处理主要步骤如下：

1.1)带有手绘交叉五边形的RGB图像转化为单通道的灰度图像。

其中，第i行第j列像素点的灰度Gray(I,J)如下所示：

Gray(I,J)＝a*R(I,J)+b*G(I,J)+c*B(I,J) (1)

式中，R(I,J)、G(I,J)和B(I,J)表示三原色的颜色值。a＝0.299、b＝0.587、c＝0.114为灰度转换系数。

1.2)将灰度图像转化为二值图像。

1.3)利用中值滤波方法对二值图像进行滤波。

1.4)对图像进行裁剪，令图像的边缘为手绘交叉五边形的边缘。

对图像进行裁剪的主要步骤如下：

I)获取图像像素值，并建立像素矩阵。

II)遍历像素矩阵所有值，以第一个大于0的像素值所在行为手绘交叉五边形的上边缘，以最后一个大于0的像素值所在行为手绘交叉五边形的下边缘。

III)对像素矩阵进行转置，并遍历转置矩阵所有值，以第一个大于0的像素值所在行为手绘交叉五边形的左边缘，以最后一个大于0的像素值所在行为手绘交叉五边形的右边缘。

IV)以手绘交叉五边形的边缘作为图像边缘，对图像进行裁剪。