基于深度学习的痰湿体质高血压舌象识别

摘要

目的：使用深度学习语义分割模型及残差神经网络模型对痰湿体质人群是否患有高血压病进行舌象的客观化识别分析，推动舌象研究的现代化进程，为中医临床决策提供更为客观、科学的依据。方法：首先使用LabelMe图像标签标注工具对547例受试者的舌象舌体区域进行划分标注，再使用U-Net分割算法进行舌体分割，将舌体从复杂的背景中单独分离出以便后续的分析。后续研究引入了ResNet-34、ResNet-50以及YOLOv5 3种深度学习模型，将痰湿体质高血压患者舌象和痰湿体质亚健康者舌象进行分类，构建分类模型，绘制混淆矩阵并计算F1值、准确率等对分类模型效果进行评价。结果：实验结果显示，3种模型在本次分类任务中均有较好的表现。ResNet-34模型F1值为91.46%，准确率为92.87%，精准率为90.48%，召回率为92.89%。ResNet-50模型总体上更优，F1值为92.08%，准确率为93.05%，精准率为95.26%，召回率为89.11%。YOLOv5模型总体准确率为85.6%，在痰湿体质高血压患者和痰湿体质亚健康者两个类别上，分别取得了85.3%和85.7%的准确率。结论：ResNet-34、ResNet-50、YOLOv5在本次分类任务中均表现优异，以ResNet-50最佳。证明了深度学习模型可以较好地完成舌象的分类识别任务，体现了深度学习技术在中医舌诊自动化分类中的巨大潜力，也为中医诊断的现代化、客观化提供了有力的技术支撑。

关键词

舌象 / 深度学习 / 高血压 / 痰湿体质 / 神经网络