面向智能舌诊的注意力卷积网络研究

• 作 者: 骆明楠
• 出 处: 华南理工大学
• 发表日期: 2004年期
• 关键词: 深度学习 卷积神经网络 注意力机制 属性学习 舌诊

中医在数千年的医疗实践,逐步形成和发展成一套医学体系,在提高人类免疫、增强身体素质上发挥了很大的作用。舌诊是中医在诊断病性病症中起到重要依据作用,它根据舌的形体、舌苔等来推断人体病性状况,实用价值很高。另一方面,人工智能领域在近些年得到蓬勃发展,基于神经网络的深度学习方法在医学影像领域展示了超于人类医师的能力。利用深度神经网络实现智能中医舌诊有助于提升智能医疗的效果,并可以更好地辅助医师进行诊断。本文旨在提高智能舌诊的病性诊断效果,以及增加智能舌诊的可解释性。本文(1)提出了基于竞争的挤压-激励注意力机制卷积神经网络结构,让注意力机制更合理地应用到残差卷积网络中,从而改善神经网络对图像的建模性能;(2)提出了随机区域池化网络训练方法,通过促进特征图响应丰富多样化的特征,来提高神经网络对图像细节特征的关注和提取;(3)基于前两种提取图像视觉特征的网络结构,进一步提出了基于舌属性的病性推断法,通过模仿医师诊断思路,以舌属性学习技术来提高预测效果且提供诊断思路,增加智能舌诊的可解释性,促进医师接受及应用智能舌诊技术。本文在标准数据集CIFAR-10/100、Image Net-2012和多种细粒度分类数据集上验证了基于竞争的注意力网络和随机区域池化训练方法的有效性,并在中医舌象病性识别数据集上进行了详细实验来验证所提方法的效果。实验表明所提方法能有效提升网络对图像的建模能力,三种方法整合在一起时在舌诊病性任务上提高了1.41%的平均精度均值(m AP)、6.04%的宏平均值(Macro-averaging)以及3.91%的微平均值(Micro-averaging)。