基于改进VGG19的中医背部痧象特征分类研究

摘要

目的比较3种网络模型[VGG19网络、多任务学习、卷积注意力模块(Convolutional Block Attention Module,CBAM)]在中医背部痧象特征分类的可行性与有效性,进而说明该模块的有效性。方法首先通过对痧象图片数据的分析,将图片数据按照颜色特征划分为暗红、红、淡红3类,形状特征划分为点状和片状两类,确定实验包含二分类和三分类两个任务,将图片按照训练集∶验证集∶测试集=8∶1∶1的比例进行划分,然后采用VGG19网络模型对两个任务分别进行训练,并以该网络模型为主干进行改进,引入多任务学习模型的思想,添加CBAM。采用训练准确率以及测试准确率进行评价,并设置颜色与形状准确率的均值,以判断网络模型的性能高低,同时通过消融实验比较最终的分类准确率,以及分析中医痧象特征与证型间的对应关系。结果以VGG19网络模型为主干,采用多任务学习并加入CBAM的改进网络取得了最高的分类准确率,当缩减率为1/8、batch_size为8时得到的训练结果最好,颜色分类准确率为93.90%,形状分类准确率为95.12%,平均准确率为94.51%。结论以VGG19网络模型为主干,采用多任务学习并加入CBAM的改进网络在中医痧象特征自动分类识别上可取得较好的效果,能够结合传统中医的经验知识准确完成对于人体证型的判断。