实用医学杂志 ›› 2026, Vol. 42 ›› Issue (3): 395-405.doi: 10.3969/j.issn.1006-5725.2026.03.006
• 慢性病防治专栏 • 上一篇
蔡淑娴1,朱东宁2,徐皓玮1,黄嘉淇1,李逍宇1,李卓豪2,刘秀峰2,闫玉红3(
)
Sokhan CHOI1,Dongning ZHU2,Haowei XU1,Jiaqi HUANG1,Xiaoyu LI1,Zhuohao LI2,Xiufeng LIU2,Yuhong YAN3(
)
摘要:
目的 构建基于深度学习的银屑病舌象分类系统,提升脾虚湿阻证与血瘀证的客观辨识能力。 方法 收集981张脾虚湿阻证与血瘀证银屑病患者的舌象图像,采用改进U-Net(编码器为ResNet-34,优化上采样与跳跃连接)实现舌体自动分割,并引入Macenko颜色标准化及Albumentations增强以降低设备与光照差异影响。构建两阶段分类框架:第一阶段精准提取舌体区域;第二阶段融合EfficientNet-B3与Swin-Tiny构建Hybrid Model,并引入跨模态多头注意力机制,融合局部纹理与全局结构特征以完成证型分类。 结果 改进U-Net在舌体分割中性能最优,Dice系数达0.98,IoU为0.89,显著优于原始U-Net(Dice 0.85)。在证型分类中,Hybrid Model表现最佳,五折平均准确率为0.981 6,平均AUC为0.999 3,F1分数显著优于单一模型;Macenko增强使F1-score提升8.3%,单图推理时间为38 ms,满足临床实时需求。 结论 所构建模型能有效区分银屑病脾虚湿阻证与血瘀证,为中医辨证提供客观依据,具备良好的临床应用前景。
中图分类号: