典型文献
一种基于深度学习的二阶段舌象分割网络模型
文献摘要：
目的:为了改善传统的图像分割算法需要人为干预且分割精度低,探讨基于深度学习的二阶段舌象分割网络模型提高分割精度.方法:将基于深度学习的二阶段舌象分割网络模型分为粗分割和精分割两个部分,粗分割定位舌体去除无关干扰信息,精分割实现舌象的像素级精细分类分割.对分割后的舌象图片进行形态学优化,进一步优化分割结果.结果:本分割网络模型平均交并比为95.25％,比主流卷积神经网络模型高出3.10％.结论:基于深度学习的二阶段舌象分割网络模型优于传统图像分割算法和主流卷积神经网络模型,在不同类型的数据集上能准确分割舌体,有较高的精度和鲁棒性.
文献关键词：
深度学习;卷积神经网络;舌象分割;形态学优化
中图分类号：
作者姓名：
刘东华;张伟;顾旋;梁富娥;吕珊珊
作者机构：
甘肃中医药大学信息工程学院,甘肃 兰州 730000
文献出处：
引用格式：
[1]刘东华;张伟;顾旋;梁富娥;吕珊珊-.一种基于深度学习的二阶段舌象分割网络模型)[J].中医药信息,2022(11):35-39,46
A类：
舌象分割
B类：
二阶段,分割网络,图像分割算法,人为干预,像素级,精细分类,分类分割,形态学优化,优化分割,模型平均,平均交并比,卷积神经网络模型
AB值：
0.17509
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。
