现在的位置:主页 > 期刊导读 >

基于TripletLoss损失函数的舌象分类方法研究

来源:肿瘤药学 【在线投稿】 栏目:期刊导读 时间:2020-08-25

【作者】:网站采编
【关键词】:
【摘要】:目的舌象体质分类对后续肿瘤患者舌象的客观化辨证具有重要意义,但对于中医舌图像而言,部分类型的舌图像样本较难采集,达不到目前流行的深度学习方法需要的样本数量,且基于传统分

目的舌象体质分类对后续肿瘤患者舌象的客观化辨证具有重要意义,但对于中医舌图像而言,部分类型的舌图像样本较难采集,达不到目前流行的深度学习方法需要的样本数量,且基于传统分类的深度学习只注重寻找具有相似特征,导致模型在中医舌图像这种类间样本特征差异较小的问题上,分类性能不佳。因此,本文提出一种基于TripletLoss的度量分类方法,在最大化非同类样本的特征距离同时缩小类间样本特征的间距。方法首先通过建立卷积神经网络Inception-ResNet-V1提取对应的高维抽象特征。然后使用L2范数进一步约束高维特征的分布,同时引入降维压缩后的高维特征,最后使用TripletLoss得到有效的映射空间。因此可以根据舌象间的特征向量距离计算相似度以实现分类。结果经过本文方法得到的特征空间,不同类型舌象之间的距离较大,同一类型的舌象距离较小,可以更好地对类间差异较小的舌图像进行分类,且分类速度更快。与现有方法比较,本论文方法在分类精确度上提升了1834%,并且所需时间最短。结论该方法可以很好地实现舌象体质分类,具有一定的应用价值。

文章来源:《肿瘤药学》 网址: http://www.zlyxzz.cn/qikandaodu/2020/0825/461.html

上一篇:吉西他滨类似物的设计、合成及体外抗肿瘤活性
下一篇:数字PCR 应用研究进展

肿瘤药学投稿 | 肿瘤药学编辑部| 肿瘤药学版面费 | 肿瘤药学论文发表 | 肿瘤药学最新目录
Copyright © 2018 《肿瘤药学》杂志社 版权所有
投稿电话: 投稿邮箱: