公开(公告)号：CN109472774A

公开(公告)日：2019-03-15

申请号：CN201811185076.0

申请日：2018-10-11

Applicant: 上海中医药大学

Inventor： 许家佗 ,  罗志宇 ,  崔骥 ,  屠立平 ,  黄景斌 ,  胡晓娟 ,  江涛 ,  崔龙涛

IPC: G06T7/00 ,  G06N3/04 ,  G06N3/08 ,  G16H30/20

Abstract: 本发明涉及一种基于深度学习的舌象图像质量检测方法，包括以下步骤：步骤S1、构建舌象图像数据集，所述舌象图像数据集包括训练数据集和验证数据集；步骤S2、对步骤S1中的所述舌象图像数据集中的舌象图像进行预处理；步骤S3、构建卷积神经网络，使用所述卷积神经网络对经步骤S2预处理后的所述舌象图像进行处理，得到舌象图像检测模型；步骤S4、使用步骤S3得到的所述舌象图像检测模型对待检测的舌象图像进行检测。其优点在于，通过深度学习，提高舌象图像检测模型的识别准确率；无须对舌象图像进行特征提取，仅对舌象图片的原始照片进行处理，即可进行快速识别和分类；对舌象图像检测模型迭代优化，获得准确率高且不过拟合的舌象图像检测模型。

公开(公告)号：CN113469027B

公开(公告)日：2023-12-08

申请号：CN202110735237.4

申请日：2021-06-30

Applicant: 上海中医药大学

Inventor： 许家佗 ,  罗志宇 ,  李军 ,  屠立平 ,  崔骥 ,  胡晓娟 ,  崔龙涛 ,  黄景斌 ,  江涛 ,  马旭翔

IPC: G06V40/10 ,  G06V10/30 ,  G06V10/20 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/084 ,  G06T3/40 ,  G06T3/60 ,  G06T5/00

Abstract: 本发明公开了一种基于深度学习的脉图质量检测方法，属于图像处理领域。该脉图质量检测方法包括以下步骤：通过输入的脉图样本确定所述脉图样本的所有脉波的中位值来确定所述脉图样本的波峰并生成脉图图像；将脉图图像通过ImageDataGenerator方法进行预处理以获得增强型的脉图图像；将增强型的脉图图像输入卷积网络模型中识别并分类，以获得标准质量脉图；其中，卷积网络模型包括两个卷积层、两个池化层、两个激活层和至少一个全连接层。本发明提供的基于深度学习的脉图质量检测方法能够排除人工检测造成的主观干扰而客观化地评价脉图质量，进而识别出高质量脉图且能够保证脉图质量的一致性，还能够极大缩短脉图质量检测、判别的时间。

公开(公告)号：CN113469027A

公开(公告)日：2021-10-01

申请号：CN202110735237.4

申请日：2021-06-30

Applicant: 上海中医药大学

Inventor： 许家佗 ,  罗志宇 ,  李军 ,  屠立平 ,  崔骥 ,  胡晓娟 ,  崔龙涛 ,  黄景斌 ,  江涛 ,  马旭翔

IPC: G06K9/00 ,  G06K9/40 ,  G06K9/54 ,  G06N3/04 ,  G06N3/08 ,  G06T3/40 ,  G06T3/60 ,  G06T5/00

Abstract: 本发明公开了一种基于深度学习的脉图质量检测方法，属于图像处理领域。该脉图质量检测方法包括以下步骤：通过输入的脉图样本确定所述脉图样本的所有脉波的中位值来确定所述脉图样本的波峰并生成脉图图像；将脉图图像通过ImageDataGenerator方法进行预处理以获得增强型的脉图图像；将增强型的脉图图像输入卷积网络模型中识别并分类，以获得标准质量脉图；其中，卷积网络模型包括两个卷积层、两个池化层、两个激活层和至少一个全连接层。本发明提供的基于深度学习的脉图质量检测方法能够排除人工检测造成的主观干扰而客观化地评价脉图质量，进而识别出高质量脉图且能够保证脉图质量的一致性，还能够极大缩短脉图质量检测、判别的时间。