融合多注意力的舌象证候分类.pdfVIP

计算机系统应用

ISSN

1003-3254,

CODEN

CSAOBNE-mail:

csa@

Computer

Systems

Applications,2024,33(10):228−235

[doi:

10.15888/ki.csa.009665]

©中国科学院软件研究所版权所有.Tel:

+86-10

融合多注意力的舌象证候分类①

1121

宁宏宇,

张魁星,

薛丹,

江梅

1(山东中医药大学

智能与信息工程学院,

济南

250355)

2(山东第一医科大学第一附属医院(山东省千佛山医院),

济南

250013)

通信作者:

张魁星,

E-mail:

zhangkuixing@

摘要:

智能舌诊在协助医生诊断病情方面具有重要意义.

当前,

智能舌诊主要集中在单一舌象特征的预测分类,

难以

在诊断过程中提供实质性的帮助.

为弥补这一不足,

从舌象证候层面进行精准的预测分类研究,

协助医生诊断病情.

使

用TUNet对舌体进行分割,

并提出融合多注意力机制的平行残差网络PMANet用于舌象证候分类.

在像素准确率、

平均交并比和Dice系数3个评价指标上,

TUNet分别达到99.7%、98.4%、99.2%,

相较于基线U-Net,

提高了

3.2%、9.0%、4.8%.

在舌象证候分类研究中,

PMANet的参数总量为12.34M,

略高于对比实验中的EfficientNet,

总浮

点计算数为1.021G,

远低于所有对比网络.

在参数量和浮点计算数更少的情况下,

取得了95.7%的分类准确率,

实现

了精度、参数量和浮点运算数之间的平衡.

这一方法为智能舌诊研究提供了重要支持,

有望推进中医舌诊现代化进程.

关键词:

舌诊;

舌体分割;

舌象证候分类;

深度学习;

舌诊智能化

引用格式:

宁宏宇,张魁星,薛丹,江梅.融合多注意力的舌象证候分类.计算机系统应用,2024,33(10):228–235.

/1003-3254/

9665.html

TongueImageSyndromeClassificationIntegratedwithMultipleAttention

1121

NING

Hong-Yu,

ZHANG

Kui-Xing,

XUE

Dan,

JIANG

Mei

1(School

of

Intelligence

and

Information

Engineering,

Shandong

University

of

Traditional

Chinese

Medicine,

Jinan

250355,

China)

2(The

First

Affiliated

Hospital

of

Shandong

First

Medical

University

(Shandong

Provincial

Qianfoshan

Hospital),

Jinan

250013,

China)

Abstract:

Intelligent

tongue

diagnosis

is

of

great

significance

in

assisting

doctors

in

medical

treatment.

At

present,

intelligent

tongue

diagnosis

is

mainly

focused

on

the

prediction

and

classification

of

single

tongue

image

features,

making

it

difficult

to

provide

substantial

help

in

the

diagnostic

process.

To

make

up

for

this

deficiency