-
公开(公告)号：CN113057583A
公开(公告)日：2021-07-02
申请号：CN202110257022.6
申请日：2021-03-09
申请人： 上海中医药大学
IPC分类号： A61B5/00
摘要： 本发明提供一种舌象图像颜色校正方法，涉及颜色识别领域。本发明是为了解决现有采集到的舌象颜色受光照因素影响，且使用的舌象颜色校正色卡的色值精准度各不同，导致得到的舌象颜色准确性差的问题。步骤S1、将粘贴色卡的2块方形硬质底板分别放置在受试者舌两旁并保持色卡与舌平行且位于同一平面内；步骤S2、同时拍摄舌和两组色卡的图像；步骤S3、从所述图像中解析出舌象和两组色卡的色值；步骤S4、根据舌象和两组色卡的色值，得到舌象颜色。
-
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
申请人： 上海中医药大学
IPC分类号： G06V40/10 , G06V10/30 , G06V10/20 , G06V10/82 , G06N3/0464 , G06N3/084 , G06T3/40 , G06T3/60 , G06T5/00
摘要： 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
申请人： 上海中医药大学
摘要： 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：CN112349427A
公开(公告)日：2021-02-09
申请号：CN202011135277.7
申请日：2020-10-21
申请人： 上海中医药大学
摘要： 本发明公开了一种基于舌象和深度残差卷积神经网络的糖尿病预测方法，属于医疗领域，包括：构建舌象数据集；进行预处理；将舌象图片分类并标记；将标记好的舌象数据集划分为训练集，验证集，测试集；构建深度残差卷积神经网络，使用深度残差卷积神经网络对训练集中的舌象图片进行训练，得到风险预测模型；根据验证集和测试集中的舌象图片分别对风险预测模进行测试和评估。本发明的有益效果在于：基于Resnet网络利用深度残差构建模型，避免出现梯度下降及梯度消失的问题，削减信息冗余，减少迭代次数，准确率高、稳定；同时仅需一张舌象图片，即可判断出受试者患糖尿病的发展状况或糖尿病前期的风险概率，耗时短。
-
-
-
搜索结果
4 条记录 (耗时 0.036 秒)
