基于改进VGG19的中医背部痧象特征分类研究

作者：李斌; 李霄; 胡广芹^*; 张新峰

来源：中国医疗设备, 2023, 38(09): 12-16.

• 中医痧象
• 特征分类
• 注意力机制
• VGG19
• 多任务学习

目的 比较3种网络模型[VGG19网络、多任务学习、卷积注意力模块（Convolutional Block Attention Module,CBAM）]在中医背部痧象特征分类的可行性与有效性，进而说明该模块的有效性。方法 首先通过对痧象图片数据的分析，将图片数据按照颜色特征划分为暗红、红、淡红3类，形状特征划分为点状和片状两类，确定实验包含二分类和三分类两个任务，将图片按照训练集∶验证集∶测试集=8∶1∶1的比例进行划分，然后采用VGG19网络模型对两个任务分别进行训练，并以该网络模型为主干进行改进，引入多任务学习模型的思想，添加CBAM。采用训练准确率以及测试准确率进行评价，并设置颜色与形状准确率的均值，以判断网络模型的性能高低，同时通过消融实验比较最终的分类准确率，以及分析中医痧象特征与证型间的对应关系。结果 以VGG19网络模型为主干，采用多任务学习并加入CBAM的改进网络取得了最高的分类准确率，当缩减率为1/8、batch＿size为8时得到的训练结果最好，颜色分类准确率为93.90%，形状分类准确率为95.12%，平均准确率为94.51%。结论 以VGG19网络模型为主干，采用多任务学习并加入CBAM的改进网络在中医痧象特征自动分类识别上可取得较好的效果，能够结合传统中医的经验知识准确完成对于人体证型的判断。

• 单位
  北京工业大学