目的:探讨基于U-Net算法的深度神经网络在中医舌象图像分割的应用效果。方法:将120例测试者的舌象图像使用PhotoShop V 13.0进行初步人工分割,划分训练集和测试集,运用图像数据增强技术增加训练图像,通过U-Net的深度神经网络构建分割模...目的:探讨基于U-Net算法的深度神经网络在中医舌象图像分割的应用效果。方法:将120例测试者的舌象图像使用PhotoShop V 13.0进行初步人工分割,划分训练集和测试集,运用图像数据增强技术增加训练图像,通过U-Net的深度神经网络构建分割模型,最后使用精确率、Dice系数、mIoU和错分类误差对模型效果进行评价。结果:对于测试的数据集,精确率0.9545、Dice系数0.9673、mIoU系数0.9563和错分类误差0.017。图像分割结果显示,基于深度神经网络模型对于光照变化、牙齿阻挡等客观环境的影响较强的适应性。结论:基于深度学习的方法,可以较好的完成中医舌象图像分割任务。展开更多
文摘目的:探讨基于U-Net算法的深度神经网络在中医舌象图像分割的应用效果。方法:将120例测试者的舌象图像使用PhotoShop V 13.0进行初步人工分割,划分训练集和测试集,运用图像数据增强技术增加训练图像,通过U-Net的深度神经网络构建分割模型,最后使用精确率、Dice系数、mIoU和错分类误差对模型效果进行评价。结果:对于测试的数据集,精确率0.9545、Dice系数0.9673、mIoU系数0.9563和错分类误差0.017。图像分割结果显示,基于深度神经网络模型对于光照变化、牙齿阻挡等客观环境的影响较强的适应性。结论:基于深度学习的方法,可以较好的完成中医舌象图像分割任务。
