【python-Unet】舌面裂纹自动分析-计算机视觉(七)

返回至系列文章导航博客

此方法的具体细节与舌体分割类似,只是所用到的数据集不同!代码参照:【python-Unet】计算机视觉 舌象舌头图片分割 机器学习(三)

舌裂,即舌面裂纹。在中医诊断中健康人群的舌面看起来比较光滑,而舌体上出现各式各样的裂纹往往预示着患有一些疾病。舌裂的提取非常困难,舌面上的裂纹色值与普通舌面差别并不大,并且用户使用移动设备而非专业的舌象采集设备,机器识别细小的裂纹非常困难。中e诊基于使用U-Net网络分割的舌体图像,再次使用U-Net网络对舌面的裂纹进行提取。
舌裂纹提取基于PyTorch框架,利用Python编写。首先根据标注数据在数据集中寻找出近200张舌裂患者的图像数据,使用Photoshop进行标注。标注示例图如下:
【python-Unet】舌面裂纹自动分析-计算机视觉(七)_第1张图片
进行标注后利用PyTorch框架构建U-Net模型抓取舌象图像特征,预测舌象图像标签。为对模型进行评价,在训练中计算每次循环的平均损失率。由于舌裂像素点少,故预测需要非常准确,最终每张图的损失了约为0.5%左右。
训练共历时5天,共200张标记图像,最终平均预测损失率约为0.5%。模型预测,即舌裂纹提取的效果理想,在此展示损失率为0.5%时的舌裂纹提取结果示例,示例如下图所示:
【python-Unet】舌面裂纹自动分析-计算机视觉(七)_第2张图片
【python-Unet】舌面裂纹自动分析-计算机视觉(七)_第3张图片
根据提取出的舌裂纹的像素点的多少,中e诊可判断用户是否具有大面积的舌裂纹,由此可为用户的体质分类做铺垫。

你可能感兴趣的:(智能中医舌诊-中e诊,python,计算机视觉,开发语言)