面向舌体分割的两阶段卷积神经网络设计
目的 由于舌体与周围组织颜色相似,轮廓模糊,传统的分割方法难以精准分割舌体,为此提出一种基于两阶段卷积神经网络的舌体分割方法.方法 首先,在粗分割阶段,将卷积层和全连接层相结合构建网络Rsnet,采用区域建议策略得到舌体候选框,从候选框中进一步确定舌体,从而实现对舌体的定位,去除大量的干扰信息;然后,在精分割阶段,将卷积层与反卷积层相结合构建网络Fsnet,对粗分割舌象中的每一个像素点进行分类进而实现精分割;最后,采用形态学相关算法对精分割后的舌体图像进行后续处理,进一步消除噪点和边缘粗糙点.结果 本文构建了包含2 764张舌象的数据集,在该数据集上进行五折交叉实验.实验结果表明,本文算法能够取得较为理想的分割结果且具有较快的处理速度.选取了精确度、召回率及F值作为评价标准,与3种常用的传统分割方法相比,在综合指标F值上分别提高了0.58、0.34、0.12,效率上至少提高6倍,与同样基于深度学习思想的MNC(multi-task network cascades)算法相比,在F值上提高0.17,效率上提高1.9倍.结论 将基于深度学习的方法应用到舌体分割中,有利于实现舌象的准确、鲁棒、快速分割.在分割之前,先对舌体进行定位,有助于进一步减少分割中的错分与漏分.实验结果表明,本文算法有效提升了舌体分割的准确性,能够为后续的舌象自动识别和分析奠定坚实的基础.
卷积神经网络、深度学习、舌体分割、两阶段语义分割、形态学
23
TP391.41(计算技术、计算机技术)
国家自然科学基金项目61379078
2018-11-09(万方平台首次上网日期,不代表论文的发表时间)
共11页
1571-1581