一种面向脉象图语义分割的改进DeepLabv3+算法

摘要

利用深度学习语义分割模型实现脉象图分割的相关研究较少，提出一种面向脉象图语义分割的改进DeepLabv3+算法。以DeepLabv3+为基础框架模型，在编码结构中替换其主干网络为MobileNetV2，有效减少模型大小和参量；提出一种改进的瓶颈串联融合多尺度金字塔池化模块，有效提升模型感受野和分割精度并进一步减少模型参量。在解码结构中加入一种改进的通道-空间串行注意力机制，提升模型性能；同时降低采样倍数，减少脉象图特征信息丢失。改进的DeepLabv3+脉象图语义分割模型可以同时并快速实现脉象图中脉诊曲线及多种要素的检测和识别，分割速度达到98.7frame/s,MPA和MIoU分别达到95.35%和88.66%，模型大小仅为16.8 MB，且可视化分割结果呈现较好，与其他模型相比表现更优，能有效适用于脉象图的高效和快速分割。

关键词

脉象图 / 语义分割 / 瓶颈串联融合多尺度金字塔池化模块 / 通道-空间串行注意力机制