基于MaskR-CNN的舌图像分割研究

摘要

目的 舌图像分割是舌诊客观化的关键之一,易受舌体附近嘴唇和皮肤等带来的影响,而增加分割的难度.针对该问题,为确保舌图像分割的准确性,本研究提出一种基于卷积神经网络Mask R-CNN的舌图像分割方法 .方法首先用标注工具labelme对舌图像进行标注,然后进行Mask R-CNN舌图像分割模型的训练和舌图像分割测试.结果 采用该方法进行舌图像分割,获得的舌体边缘比较准确,并且四个定量评价指标均像素准确度、平均准确度、均交并比、频权交并比均高于84.6％.结论 本研究取得了较好的舌体分割效果,能够改善舌体周围的嘴唇和皮肤颜色与舌体颜色接近导致舌体分割轮廓不准确的问题,为舌图像分割提供了一种新的思路与方法,对舌诊客观化具有一定实用价值和借鉴意义.