基于Mask R-CNN的舌体分割方法

摘要

舌体分割是计算机辅助中医舌象诊断的第一步,但其易受舌附近人体组织的影响,从而使分割难度增大。如何使用机器学习优化舌体图像的分析流程是当前研究的热点之一。针对此问题,应用卷积神经网络MaskR-CNN进行分割获得的舌体边缘比较准确,能提高舌体图像分割的准确性。基于Mask R-CNN的舌体分割首先收集舌体图像数据,对信息进行数据清洗,构建出舌体图像数据平台。然后,采用Mask R-CNN训练得到舌体分割模型,最后分别使用训练好的模型和GrabCut算法分割4种特征舌体图像,对两种方法的分割效果进行对比及分析。实验结果表明,该方法在分割效果等方面均优于GrabCut算法,在评价指标中评估结果准确率均高于90%,可以为舌体图像分割、中医舌象诊断提供技术支持。