基于Mask Scoring R-CNN的齿痕舌象识别

目的:提出一种基于Mask Scoring R-CNN和迁移学习的舌象特征识别方法。方法:首先使用CNN提取特征,使用ResNet-101和特征金字塔网络(FPN)的主干网络,可以从低层次和高层次的网络中提取特征,根据不同比例绘制金字塔特征的级别。接着使用区域生成网络将从主干网络中提取的特征生成候选感兴趣区域(ROI)。最后为每个ROI检测并分割齿痕。结果:在232例样本的测试集上进行测试,F1分数为0.95,准确率为0.93,精确率为0.99,召回率为0.914。结论:该方法能够在小样本舌象数据集上有效识别齿痕特征、准确定位齿痕位置、标定齿痕大小、提取齿痕个数,该方法具有良好的有效性、通用性、泛化性,能够为后续齿痕严重程度分析提供依据。同时为疾病预防、移动医疗保健或从生物信息学角度跟踪疾病进展提供客观、方便的计算机辅助舌诊方法。