文献类型：期刊文章

作　　者：任思羽[1] 吴瑞[2] 罗庆林[3] 肖开慧[4] 王艺凡[2] 利节[2]

REN Siyu;WU Rui;LUO Qinglin;XIAO Kaihui;WANG Yifan;LI Jie(Teaching Department of the Open University of Chengdu,Chengdu 610000,China;School of Intelligent Technology and Engineering,Chongqing University of Science and Technology,Chongqing 401331,China;Chongqing Kerui Pharmaceutical Co.,Ltd.,Chongqing 400060,China;Department of Traditional Chinese Medicine,Beijing Friendship Hospital,Capital Medical University,Beijing 100050,China)

机构地区：[1]成都开放大学教学部,四川成都610000 [2]重庆科技学院智能技术与工程学院,重庆401331 [3]重庆科瑞制药有限公司,重庆400060 [4]首都医科大学附属北京友谊医院中医科,北京100050

出　　处：《中国医学物理学杂志》

基　　金：国家科技部“科技助力经济2020”重点专项(SQ2020YFF0405970);重庆市自然科学基金(cstc2020jcyj-msxmX0683);重庆市教委科学技术研究项目(KJQN201901507);重庆科技学院硕士研究生创新计划(ZNYKJCX2022023)。

年　　份：2024

卷　　号：41

期　　号：4

起止页码：521-528

语　　种：中文

收录情况：CSCD、CSCD_E2023_2024、JST、ZGKJHX、普通刊

摘　　要：为提升舌象识别效率与精准度,通过度量学习研究辅助医生识别舌象表征的方法。首先,收集舌诊图像111例,数据按照7:3的比例随机分为训练集和测试集。然后,设计一种基于度量学习的多分支舌象识别网络。深度学习网络被分为两个部分,前半部分为共享权重层,采用基于度量学习的舌象特征编码损失函数,以获得精准的特征;后半部分针对中医舌象的分类分为4个舌象识别辅助分支,降低舌象识别难度,提升准确率。此外,构建多标签残差映射,增加类间距,减小类内距,提升最终识别的准确度。本文方法在舌象数据集的测试集上进行测试时获得84.8%的识别精度,表明多分支网络架构可以很好地降低舌象识别难度,特别是特征类别较多的舌形和苔质。同时,舌象特征编码损失函数可以有效地提取舌象特征;舌象多标签残差映射可以减少各类别之间的干扰,从而提升识别准确度。

关 键 词：舌象识别  多分支网络架构  特征编码  损失函数 多标签残差映射  

分 类 号：R318[生物医学工程类] R241.25[基础医学类]