本發(fā)明涉及圖像分割，特別是涉及一種基于深度學(xué)習(xí)的高光譜舌象圖像分割方法及系統(tǒng)。

背景技術(shù)：

1、中醫(yī)舌診對(duì)疾病的辨證施治有非常重要的作用，在舌象信息分析研究中，舌象分割是進(jìn)行中醫(yī)舌診客觀化研究的必要前提。由于舌體形態(tài)、伸舌動(dòng)作和舌體與周圍口腔嘴唇的連接各不相同，因此舌圖像分割的質(zhì)量和效率直接影響到舌象信息的準(zhǔn)確表達(dá)和數(shù)字化轉(zhuǎn)化?，F(xiàn)有技術(shù)主要利用舌象的rgb彩色圖像，根據(jù)顏色或者紋理特征進(jìn)行分割模型的搭建，但是當(dāng)前中醫(yī)舌象的舌體分割模型大多基于彩色rgb圖像數(shù)據(jù)，在高光譜圖像中適用性差，沒有充分利用光譜特征信息，因此導(dǎo)致分割結(jié)果不理想，并且現(xiàn)有分割模型使用的損失函數(shù)大多為通用模型，沒有根據(jù)醫(yī)學(xué)圖像的分割特點(diǎn)，尤其是舌體邊緣輪廓的特點(diǎn)進(jìn)行設(shè)計(jì)和思考，所得到的分割模型邊緣輪廓可能會(huì)出現(xiàn)突出、鋒利等不符合實(shí)際舌體情況的分割結(jié)果，因此，對(duì)本領(lǐng)域技術(shù)人員來說，如何基于高光譜圖像中的光譜特征與空間特征進(jìn)行舌體圖像的分割是亟待解決的問題。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的是提供一種基于深度學(xué)習(xí)的高光譜舌象圖像分割方法及系統(tǒng)，有效解決已有舌體分割模型不適用于高光譜圖像數(shù)據(jù)而導(dǎo)致的舌象分割準(zhǔn)確率不高的問題。

2、為實(shí)現(xiàn)上述目的，本發(fā)明提供了如下方案：一方面，提供一種基于深度學(xué)習(xí)的高光譜舌象圖像分割方法，具體步驟包括如下：

3、獲取舌象的高光譜圖像并進(jìn)行標(biāo)注；

4、對(duì)所述高光譜圖像進(jìn)行預(yù)處理，得到第一圖像；

5、構(gòu)建基于3d?u-net和活動(dòng)輪廓模型的圖像分割模型；

6、利用所述第一圖像對(duì)所述圖像分割模型進(jìn)行訓(xùn)練，使用訓(xùn)練完成的圖像分割模型實(shí)現(xiàn)高光譜舌象圖像的分割。

7、優(yōu)選的，對(duì)所述高光譜圖像進(jìn)行預(yù)處理的具體步驟為：

8、采用自適應(yīng)波段分組方法計(jì)算所述高光譜圖像不同光譜波段之間的相關(guān)性，根據(jù)相關(guān)性計(jì)算結(jié)果進(jìn)行高光譜波段的分組；

9、從每組波段分組區(qū)間中選取第一個(gè)波段數(shù)據(jù)作為該組代表特征，然后對(duì)不同分組的代表特征進(jìn)行空間域奇異譜分析；

10、完成所述空間域奇異譜分析后，將不同分組的代表特征進(jìn)行組合得到組合特征，對(duì)所述組合特征進(jìn)行主成分分析降維，得到所述第一圖像。

11、優(yōu)選的，在所述圖像分割模型中將主動(dòng)輪廓模型作為損失函數(shù)。

12、優(yōu)選的，主動(dòng)輪廓模型損失函數(shù)的表達(dá)式為：

13、loss＝length+λ·region；

14、

15、其中，v∈[0,1]m*n表示真實(shí)分割圖像，u∈[0,1]m*n表示圖像分割模型預(yù)測(cè)分割圖像，ds是歐幾里得元素的長度，c是分割曲線的長度，ωc為分割圖像域ω的閉合子集，c1和c2被標(biāo)記為外部和內(nèi)部的分割圖像的平均值，λ為一個(gè)任意的固定參數(shù)，用于控制正則化過程和c1，c2之間的平衡。

16、優(yōu)選的，利用水平集方法的heaviside函數(shù)和偏微分方程求解所述主動(dòng)輪廓模型損失函數(shù)。

17、優(yōu)選的，所述圖像分割模型為u形結(jié)構(gòu)，包括編碼器網(wǎng)絡(luò)和解碼器網(wǎng)絡(luò)。

18、另一方面，提供一種基于深度學(xué)習(xí)的高光譜舌象圖像分割系統(tǒng)，包括圖像采集模塊、預(yù)處理模塊、建模模塊、訓(xùn)練模塊；其中，

19、所述圖像采集模塊，用于獲取舌象的高光譜圖像并進(jìn)行標(biāo)注；

20、所述預(yù)處理模塊，用于對(duì)所述高光譜圖像進(jìn)行預(yù)處理，得到第一圖像；

21、所述建模模塊，用于構(gòu)建基于3d?u-net和活動(dòng)輪廓模型的圖像分割模型；

22、所述訓(xùn)練模塊，用于利用所述第一圖像對(duì)所述圖像分割模型進(jìn)行訓(xùn)練，使用訓(xùn)練完成的圖像分割模型實(shí)現(xiàn)高光譜舌象圖像的分割。

23、根據(jù)本發(fā)明提供的具體實(shí)施例，本發(fā)明公開了以下技術(shù)效果：

24、(1)通過構(gòu)建高光譜舌象圖像分割方法能夠得到基于光譜特征和空間特征的舌體輪廓自動(dòng)分割模型，有效解決已有舌體分割模型不適用于高光譜圖像數(shù)據(jù)而導(dǎo)致的舌象分割準(zhǔn)確率不高的問題。

25、(2)基于活動(dòng)輪廓模型的高光譜舌體分割損失函數(shù)模型，能夠?qū)崿F(xiàn)圖像分割的有源等值線能量的全局最小化，使得分割得到的舌體邊緣輪廓更加評(píng)價(jià)平滑、清晰。

技術(shù)特征：

1.一種基于深度學(xué)習(xí)的高光譜舌象圖像分割方法，其特征在于，具體步驟包括如下：

2.根據(jù)權(quán)利要求1所述的一種基于深度學(xué)習(xí)的高光譜舌象圖像分割方法，其特征在于，對(duì)所述高光譜圖像進(jìn)行預(yù)處理的具體步驟為：

3.根據(jù)權(quán)利要求1所述的一種基于深度學(xué)習(xí)的高光譜舌象圖像分割方法，其特征在于，在所述圖像分割模型中將主動(dòng)輪廓模型作為損失函數(shù)。

4.根據(jù)權(quán)利要求3所述的一種基于深度學(xué)習(xí)的高光譜舌象圖像分割方法，其特征在于，主動(dòng)輪廓模型損失函數(shù)的表達(dá)式為：

5.根據(jù)權(quán)利要求4所述的一種基于深度學(xué)習(xí)的高光譜舌象圖像分割方法，其特征在于，利用水平集方法的heaviside函數(shù)和偏微分方程求解所述主動(dòng)輪廓模型損失函數(shù)。

6.根據(jù)權(quán)利要求1所述的一種基于深度學(xué)習(xí)的高光譜舌象圖像分割方法，其特征在于，所述圖像分割模型為u形結(jié)構(gòu)，包括編碼器網(wǎng)絡(luò)和解碼器網(wǎng)絡(luò)。

7.一種基于深度學(xué)習(xí)的高光譜舌象圖像分割系統(tǒng)，其特征在于，包括圖像采集模塊、預(yù)處理模塊、建模模塊、訓(xùn)練模塊；其中，

技術(shù)總結(jié)
本發(fā)明公開了一種基于深度學(xué)習(xí)的高光譜舌象圖像分割方法及系統(tǒng)，涉及圖像分割技術(shù)領(lǐng)域。具體步驟為：獲取舌象的高光譜圖像并進(jìn)行標(biāo)注；對(duì)所述高光譜圖像進(jìn)行預(yù)處理，得到第一圖像；構(gòu)建基于3D?U?net和活動(dòng)輪廓模型的圖像分割模型；利用所述第一圖像對(duì)所述圖像分割模型進(jìn)行訓(xùn)練，使用訓(xùn)練完成的圖像分割模型實(shí)現(xiàn)高光譜舌象圖像的分割。本發(fā)明通過對(duì)舌象高光譜圖像的獲取以及分割模型的建立，有效解決已有舌體分割模型不適用于高光譜圖像數(shù)據(jù)而導(dǎo)致的舌象分割準(zhǔn)確率不高的問題。

技術(shù)研發(fā)人員：張冬,張俊華,王益民
受保護(hù)的技術(shù)使用者：天津中醫(yī)藥大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/2