目的基于圖像處理的舌質(zhì)顏色分析是中醫(yī)舌診現(xiàn)代化的重要內(nèi)容,提高舌色的正確識別率是其中的關(guān)鍵問題。本文使用集成學習的分類方法來探討舌色分類,以達到客觀、準確地識別中醫(yī)（traditional Chinese medicine,TCM）舌色。方法首先通過AdaBoost算法對舌圖像進行初步分類,再將該算法與級聯(lián)框架進行結(jié)合;然后通過"一對其余"的方法將AdaBoost從二分類擴展到多類來完成舌質(zhì)顏色的分析;最后通過實驗進行驗證,并與其他方法所得出的結(jié)果進行對比。結(jié)果針對各類舌質(zhì)顏色分類問題,使用隨機森林與傳統(tǒng)的AdaBoost分類器進行分類的正確率分別在780%～902%與894%～955%之間,而基于AdaBoost級聯(lián)框架的分類器的各類舌質(zhì)分類正確率在930%～987%之間。結(jié)論基于AdaBoost級聯(lián)框架的舌質(zhì)顏色分類方法與其他經(jīng)典方法相比,具有較高的正確分類率,為基于圖像處理的中醫(yī)舌診輔助診斷奠定了一定的基礎(chǔ)。 

【文章來源】：北京生物醫(yī)學工程. 2020,39(01)

【文章頁數(shù)】：7 頁

【部分圖文】：

AdaBoost分類器級聯(lián)框架

舌圖像來源于北京工業(yè)大學信息學部智能媒體計算研究所的舌象數(shù)據(jù)庫。這些圖像由多位醫(yī)生進行了標記，將舌圖像分為淡白、淡紅、紅、暗紅、絳紅、青紫6種舌色類型（圖2）。雖然存在樣本數(shù)量不均衡的問題，但經(jīng)采用過采樣法擴充樣本集后，對分類結(jié)果的錯誤率影響較低。算法基于Matlab2014實現(xiàn)。實驗設(shè)備為CPU i7-4710HQ,RAM 8G，操作系統(tǒng)為Win10、64位。

本文使用AdaBoost學習算法訓練對舌圖像的分類結(jié)果，結(jié)果如圖3所示。本文實驗中對不同舌色分類的圖像進行了訓練，從圖3中可以看出，當訓練輪數(shù)過多的時候，分類器的訓練錯誤率并不會有明顯的下降，甚至在少數(shù)情況下，有可能出現(xiàn)錯誤率上升[過擬合現(xiàn)象如圖3(e）所示]。因此本文針對不同舌色的分類器使用了不同的訓練輪數(shù)，暗紅、紅、淡紅、淡白、絳紅、青紫的訓練輪數(shù)依次為70、60、90、90、50、80。


本文編號：3565560