Mask R-CNN神经网络模型对舌象裂纹严重程度的评价效果  

Evaluation results of Mask R-CNN neural network model on the severity of fissured tongue

作　　者：徐钰莹 胡广洋 张继伟[1] 杨浩[2] 王云峰[2] 宋婷婷 李秋艳[1] XU Yuying;HU Guangyang;ZHANG Jiwei;YANG Hao;WANG Yunfeng;SONG Tingting;LI Qiuyan

机构地区：[1]中国中医科学院西苑医院综合内科,北京100091 [2]中国科学院微电子研究所,北京100029

出　　处：《北京中医药》2024年第8期942-946,共5页Beijing Journal of Traditional Chinese Medicine

基　　金：中国中医科学院科技创新工程项目(CI2021A05012)。

摘　　要：目的基于掩膜区域的卷积神经网络(Mask R-CNN)算法,在裂纹舌识别与提取的基础上探索裂纹舌严重程度的客观评价方法。方法从中国中医科学院西苑医院收集200例裂纹舌与200例非裂纹舌的舌象图片,建立基于神经网络的裂纹舌识别模型,以准确率、精确率、召回率对模型裂纹舌识别效果进行评价。由3名中医专业主任医师对200张裂纹舌图片按照轻度裂纹、中度裂纹、重度裂纹进行严重程度分级标注,通过裂纹识别模型进行裂纹舌的识别与特征提取,选择裂纹面积比(x)、裂纹方向(z)、裂纹条数(n)、主裂纹长度(l)作为裂纹评价指标,以医生标注结果作为分级标准,根据分级结果对各指标进行权重赋值,裂纹严重程度综合权重计算公式:W=(∑w_(i))/4(i=x,z,n,l),计算裂纹多维度指标的分布区间,评价裂纹的严重程度。结果模型识别裂纹舌,准确率为0.945,精确率为0.949,召回率为0.940。舌裂纹的严重程度评价结果:W∈[1,3]为轻度裂纹,W∈(3,6]为中度裂纹,W∈(6,10]为重度裂纹。经验证,裂纹舌总体评价准确率为88.3%,其中轻度裂纹的评价准确率为88.9%,中度裂纹的评价准确率为91.7%,重度裂纹评价准确率为83.3%。结论选择裂纹面积比、裂纹方向、裂纹条数、主裂纹长度作为评价裂纹舌严重程度的指标,可较好地完成辨识任务,实现舌象裂纹程度的定量化评价。

关 键 词：裂纹舌 掩膜区域的卷积神经网络算法 舌象特征提取 严重程度 舌象诊断 中医客观化 

分 类 号：R241.25[医药卫生—中医诊断学] TP183[医药卫生—中医临床基础] TP391.41[医药卫生—中医学]