典型文献
基于舌图像多特征融合与机器学习的裂纹舌识别算法
文献摘要：
舌裂纹是中医舌诊辨证施治的重要信息源,能够客观、准确地反映某些典型疾病和中医证候的变化.针对传统的裂纹舌诊断易受医生经验、环境变化等因素的影响,提出了基于舌图像多特征融合与机器学习的裂纹舌识别算法.首先,采用Grabcut方法对原始舌图像进行舌体分割;然后,提取图像基于灰度共生矩阵的纹理特征,基于低阶颜色矩的颜色特征,以及基于方向梯度直方图的形状特征;最后,将三类特征及其不同的组合形式分别输入四个经典的机器学习模型,完成裂纹舌识别.实验结果表明:多特征融合往往有助于提高机器学习模型的识别能力,尤其是融合三类特征的自适应提升树(AdaBoost)取得了几乎能与深度学习模型相媲美的识别效果:AUC为0.97,准确率为0.91,精确率为0.91.可见,提出的裂纹舌识别算法有助于传统中医舌诊的客观化、定量化和标准化.
文献关键词：
中医舌诊;裂纹舌;机器学习;识别算法;颜色特征;纹理特征;形状特征
中图分类号：
作者姓名：
赵颖;李玉双;武小荣
作者机构：
燕山大学理学院,河北秦皇岛 066004;北京贝叶斯健康科技有限公司,北京 100080
文献出处：
引用格式：
[1]赵颖;李玉双;武小荣-.基于舌图像多特征融合与机器学习的裂纹舌识别算法)[J].燕山大学学报,2022(06):522-528
A类：
舌裂,舌诊辨证
B类：
多特征融合,裂纹舌,识别算法,中医舌诊,辨证施治,重要信息,信息源,中医证候,Grabcut,灰度共生矩阵,纹理特征,低阶,颜色矩,颜色特征,方向梯度直方图,形状特征,组合形式,别输,机器学习模型,识别能力,自适应提升,提升树,AdaBoost,深度学习模型,相媲美,精确率,传统中医,客观化,定量化
AB值：
0.307743
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
