本发明涉及图像处理,尤其涉及于基于dcgan网络的舌诊图像增强方法
背景技术:
1、随着现代科技的进步,生活节奏逐渐加速,同时人们的物质生活水平也逐渐提升。但与此同时,一些老年疾病也正在逐渐年轻化,更多的年轻人都处于亚健康状态。有各种各样的隐匿性强,不易被发现的疾病正在一步一步的损害我们的身体健康。而如何尽早地、方便地、有效地诊断出疾病,也成为了当下追求的目标。
2、中医始终延续着四种诊断疾病的方法,即望诊、闻诊、问诊、切诊。其中,望诊作为中医四诊中的第一步,它的重要性不言而喻。将望诊继续细分,其下有舌诊、面诊、手诊等,而舌诊更是望诊中最重要的一个步骤,可谓是重中之重,是诊断疾病最有效最直接的方法之一。它可以直接反应身体的寒热虚实,阴阳盛衰。
3、传统的舌诊,过于依赖医生的主观判断,同时还受限于环境和经验的限制。经常存在不同医生给出不同诊断结果的情况。然而随着人工智能的高速发展,智能化舌诊的崛起,可以从一定程度上解决此问题。
4、但与此同时又有新的问题涌现,训练一个准确率足够高,能辅助甚至独立诊断的舌诊系统需要足够庞大的数据量支撑。未经同意使用患者的病理图存在着一定的伦理问题,而每次问诊时进行询问又有些过于繁琐。
5、所以即使智能化舌诊高速发展至今,获取足量有效数据,仍然是当下构建优秀模型时需要攻克的最大问题之一。因此现有技术需要一种有效扩充数据集的方法,来帮助系统模型的完善。
技术实现思路
1、解决的技术问题:
2、针对现有技术的不足,本发明可以有效解决由于数据集缺失而引起的舌诊系统准确率较低的问题。
3、技术方案:
4、为实现以上目的,本发明通过一下技术方案予以实现:
5、步骤1:通过摄影设备获取高清舌象图片;
6、步骤2:使用人工检测方式,针对图片其中的特征进行分类处理;
7、步骤3:对原始舌象图片进行翻转、平移、对比度调整、噪声、模糊等操作,进行对数据集的初步简单扩充;
8、步骤4:利用已有舌象图片训练生成对抗网络dagan;
9、步骤5:使用训练完成的dcgan网络来生成新的舌象图片,以此构建足够庞大的数据集;
10、优选地,所述步骤2具体为:将舌象图片根据有无齿痕进行二分类,获得齿痕舌象数据集;根据苔色分类为白苔舌象、无苔舌象、黄苔舌象,获得苔色舌象数据集。有无裂纹进行二分类,获得裂纹舌象数据集;根据舌色分类为淡红舌象、红绛舌象、淡白舌象,获得舌色舌象数据集;
11、优选地,所述步骤3具体为:对图像随机进行如下操作,
12、操作1:水平翻转:对原始图片进行水平镜像翻转,翻转后的图像能够和原图保持同一纬度。
13、操作2:像素平移:将原始图片向左右平移,对图片像素进行位移操作。
14、操作3:对比度调整:将原始图片增加或减少对比度。
15、操作4:噪声:在原始图像上随机加入一些像素点。
16、操作5:模糊:对原图进行褶积操作。
17、优选地,所述步骤4具体为:
18、将所述步骤3获得的图像导入网络进行训练,生成新的舌象图片并进行判别,是否符合预期结果。网络包含生成网络和判别网络,其中生成网络使用四层反卷积算法的结构,判别网络则使用了四个strided=2的卷积,并采用adam算法作为优化算法。
19、优选地,所述步骤5具体为:
20、使用所述步骤4训练效果达标的模型,生成大量符合要求的舌象图片。
21、本发明提供了一种舌象图片的数据增强方法,该方法通过摄影设备获取高清舌象图片;并将获得的图片使用人工检测方式,针对图片其中的特征进行分类处理,以得到舌象图片数据集样本;再根据预设操作方法对原始舌象图片进行翻转、平移、对比度调整、噪声、模糊等操作,进行对数据集的初步简单扩充;利用已有舌象图片训练生成对抗网络dagan;根据训练完成的dcgan网络生成新的舌象图片,以此构建足够庞大的数据集。
22、有益效果:
23、本方法通过生成对抗网络dcgan扩充数据集,避免了数据样本量过小的影响,从而提高了模型训练的效率,进一步提高了智能化舌诊的准确率。
1.一种基于dcgan网络的舌诊图像增强方法,其特征在于,该方法包括以下步骤:
2.根据权利要求1所述的舌诊图像增强方法,其特征在于:步骤2中使用人工检测方式,针对图片其中的特征进行分类处理,其具体为:
3.根据权利要求1所述的舌诊图像增强方法,其特征在于:步骤3对原始舌象图片进行翻转、平移、对比度调整、噪声、模糊等操作,进行对数据集的初步简单扩充,其具体为:
4.根据权利要求1所述的舌诊图像增强方法,其特征在于:步骤4利用已有舌象图片训练生成对抗网络dagan,其具体为:
5.根据权利要求1所述的舌诊图像增强方法,其特征在于:步骤5使用训练完成的dcgan网络来生成新的舌象图片,以此构建足够庞大的数据集,其具体为: