目的

2

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

2

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（

<math id="M1"><mi>x</mi></math>

https://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=65746779&type=

2.28600001

https://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=65746781&type=

1.52400005

）、裂纹方向（

<math id="M2"><mi>z</mi></math>

https://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=65746796&type=

2.28600001

https://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=65746797&type=

1.18533325

）、裂纹条数（

<math id="M3"><mi>n</mi></math>

https://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=65746813&type=

2.28600001

https://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=65746814&type=

1.60866666

）、主裂纹长度（

<math id="M4"><mi>l</mi></math>

https://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=65746800&type=

2.28600001

https://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=65746818&type=

0.93133330

）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：

<math id="M5"><mi mathvariant="normal">W</mi><mo>=</mo><mfenced separators="|"><mrow><mo>∑</mo><msub><mrow><mi mathvariant="normal">w</mi></mrow><mrow><mi mathvariant="normal">i</mi></mrow></msub></mrow></mfenced><mo>/</mo><mn mathvariant="normal">4</mn><mo stretchy="false">(</mo><mi mathvariant="normal">i</mi><mo>=</mo><mi>x</mi><mo>

</mo><mi>z</mi><mo>

</mo><mi>n</mi><mo>

</mo><mi>l</mi><mo stretchy="false">)</mo></math>

https://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=65746823&type=

3.80999994

https://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=65746825&type=

39.70866776

，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

2

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

2

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。