卷积神经网络算法在肿瘤患者舌象识别中的应用

董竞方; 黄金昶; 王建云

doi:10.16025/j.1674-1307.2020.11.028

您当前的位置：

首页 >

文章列表页 >

卷积神经网络算法在肿瘤患者舌象识别中的应用

方法学研究 | 更新时间：2023-04-11

- 卷积神经网络算法在肿瘤患者舌象识别中的应用
- Application of convolutional neural network in tongue image recognition of tumor patients
- 北京中医药 2020年39卷第11期页码：1216-1219
- 作者机构：
  
  1. 北京中医药大学第三附属医院功能检查科
  2. 北京中医药大学第三附属医院针灸微创肿瘤科
  3. 北京中医药大学第三附属医院脾胃科
- 作者简介：
- 基金信息：
  
  北京中医药大学校级课题青年教师项目（2019-JYB-JS-161）
- DOI：10.16025/j.1674-1307.2020.11.028
  中图分类号：
扫描看全文
[1]董竞方,黄金昶,王建云.卷积神经网络算法在肿瘤患者舌象识别中的应用[J].北京中医药,2020,39(11):1216-1219+1225.

DONG Jing-fang, HUANG Jin-chang, WANG Jian-yun. Application of convolutional neural network in tongue image recognition of tumor patients[J]. Beijing Journal of Traditional Chinese Medicine, 2020,39(11):1216-1219.
[1]董竞方,黄金昶,王建云.卷积神经网络算法在肿瘤患者舌象识别中的应用[J].北京中医药,2020,39(11):1216-1219+1225. DOI： 10.16025/j.1674-1307.2020.11.028.

DONG Jing-fang, HUANG Jin-chang, WANG Jian-yun. Application of convolutional neural network in tongue image recognition of tumor patients[J]. Beijing Journal of Traditional Chinese Medicine, 2020,39(11):1216-1219. DOI： 10.16025/j.1674-1307.2020.11.028.

摘要

目的研究卷积神经网络算法在肿瘤患者舌象中齿痕舌和瘀斑舌识别应用中的性能。方法收集442例肿瘤患者舌象图片,采用labelImg软件进行齿痕舌和瘀斑舌特征标注,将数据集以7∶3的比例随机划分为训练集和测试集,利用卷积神经网络算法中的ResNet50构建齿痕舌和瘀斑舌的自动识别模型。绘制ROC曲线,并使用精确度、灵敏度、特异度、F1值、正确率等指标来评价模型的识别能力。结果 CNN-ResNet50模型的精确度90.76%,灵敏度93.02%,特异度84.19%,F1值91.88%,正确率90.15%,ROC曲线下面积AUC 96.00%。说明模型能较准确地找到舌象中齿痕或瘀斑的具体位置,对舌色、舌质均有较好的分辨效果。结论卷积神经网络中的ResNet50算法具有较强的特征学习和提取能力,具有较高的舌象识别性能,为后续人工智能在中医舌象的识别应用奠定了基础。

Abstract

关键词

齿痕舌瘀斑舌舌象肿瘤卷积神经网络机器学习

Keywords

齿痕舌瘀斑舌舌象肿瘤卷积神经网络机器学习

references

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

吴显文以健运中焦法治疗恶性肿瘤经验

中医“治未病”思想在肿瘤研究中的实践及思考

金元时期中医古籍肿瘤防治认知源流述要

从舌象变化探讨HP感染慢性萎缩性胃炎的病机演变

HP感染根除治疗与舌象变化的相关性研究