[发明专利]一种基于深度度量学习的中医舌图像腐腻特征分类方法

说明书

本发明提出一种基于深度度量学习的中医舌图像腐腻特征分类方法，使用具有区分度的深度特征与自适应的特征度量准则构建度量空间。其中应用孪生网络提取到具有判别性的深度特征，并利用神经网络自适应的学习出适合于当前腐腻特征的度量准则。该技术在中医舌图像自动化分析有广泛的应用前景，所述算法设计了一种新的深度度量学习网络应用于舌图像腐腻特征分类任务，通过学习的自适应度量准则，有效地增强深度特征的类内紧凑型和类间判别性，提升构建出的度量空间质量，从而提升算法对舌图像腐腻特征分类的准确性。

技术领域

本发明涉及图像分类方法，特别涉及一种基于深度度量学习的中医舌图像腐腻特征分类方法。

背景技术

中医是我国文化的重要组成部分，是我国人民长期同疾病作斗争的经验总结和理论概括。它以独特的理论体系屹立于世界医学之林，是人类医学的宝贵财富。中医舌诊是中医四诊中望诊的重要内容，医生通过观察舌色、舌体形态、苔色、苔质等各种舌象特征来诊断病症，是中医医治原则辨证施治中的重要环节。长期以来，舌诊结果主要是通过医生目测观察，根据个人经验判断，受到医生知识水平和经验等主观因素影响。舌诊结果主观性强，缺少统一的标准，严重的阻碍了中医的现代化。因此，实现中医舌诊信息客观化已经成为了中医现代化发展过程中亟待解决的一个问题。

舌象腐腻特征是中医舌诊的重要指标，医生可以通过腐腻特征推断病人是否痰湿或食滞。其中腻苔是指舌苔细腻紧密、光滑，白腻，原因多为湿寒，黄腻原因多为湿热；腐苔是指苔如腐渣、疏松，原因多为食积、痰浊。通过计算机对舌图像的腐腻特征进行分析、使舌图像腐腻特征信息客观化有利于诊断病症，具有重要的应用价值。

对舌图像特征进行分类主要可以分为两大类：基于传统方法的舌图像分类和基于深度学习的舌图像分类。传统的舌图像分类方法需要针对舌图像人工精心设计特征，因此提取出来的特征会有具体的物理含义，但是这通常需要丰富的专业经验，提取的特征往往是一些底层特征，比如纹理、颜色、形状、梯度等。手工设计的特征存在泛化能力有限，从而导致舌图像分类准确率不高的局限性。近年来深度学习由于其强大的特征提取和表达能力，为许多行业带来了变革。将深度学习知识理论应用于中医舌图像腐腻特征分类，有望提供更准确的中医舌象分析结果。

在利用深度学习模型进行舌图象腐腻特征分类时主要有两个待解决的问题：1)高质量有标签的舌图像样本获取代价高：舌图像训练样本需要依靠有丰富舌诊经验医生标注，其花费代价往往是比较高，往往比较难以获取。因此，通常中医舌象训练数据集规模较小。如果直接应用深度学习算法时可能会由于训练样本数量不足，造成模型难以训练或过拟合等现象。2)对在医院的真实场景下采集的舌图像数据进行分析时，会发现获取的腐腻特征各类别的样本数量比例存在明显差异，即样本类别不均衡。类别样本数量相对较多的被称为多数类别，类别样本数量相对较少的被称为少数类别。类别比例不均衡的训练样本数据集直接应用深度学习的网络训练时可能会得到泛化能力较差的模型，会导致分类结果会偏向多数类别，使模型对少数类别的样本识别率较低。

本发明提出了一种基于深度度量学习的中医舌图像腐腻特征分类方法。设计了一个结合自适应度量准则的深度度量学习网络。其可以分为两部分，一部分为特征提取网络，采用孪生网络提取具有区分度的特征；第二部分为特征对比网络，根据输入的样本自适应的学习度量准则，判断特征之间的相似度；本发明可以有效的提高舌图像腐腻分类的准确性。该技术在中医舌图像自动分析中具有重要的应用价值。

发明内容

本发明的目的在于解决中医舌图像腐腻特征分类时，由于获取的舌图像样本量不足时出现的过拟合现象，和真实场景下采集的舌图像样本的腐腻特征存在类别不均衡所导致训练的模型对少数类别识别率较低的问题。针对以上问题，提出一种基于度量学习的中医舌图像腐腻特征分类方法，该方法可以通过设定训练数据的读取机制和从数据中自适应学习度量准则，实现准确的舌图像腐腻特征自动分类。

本发明是采用以下技术手段实现的：