[논문 리뷰] Tongue image constitution recognition based on Complexity Perception method

Jiajiong Ma, Guihua Wen외 5명|arXiv (Cornell University)|2018. 03. 01.

Traditional Chinese Medicine Studies참고 문헌 7인용 수 5

한 줄 요약

이 논문은 복잡도 인식 기반 방법을 제안하여, 고복잡도 및 저복잡도 서브셋으로 데이터셋을 분할해 별도 분류함으로써 혀 이미지 체질 인식 정확도를 향상시킨다. 딥 컨volution 신경망과 Softmax, SVM, DecisionTree 분류기들을 사용하여 평균 정확도를 1.135% 향상시켰으며, 다양한 환경 조건 하에서 세 개의 데이터셋에서 59.99%의 정확도를 달성한다.

ABSTRACT

Background and Object: In China, body constitution is highly related to physiological and pathological functions of human body and determines the tendency of the disease, which is of great importance for treatment in clinical medicine. Tongue diagnosis, as a key part of Traditional Chinese Medicine inspection, is an important way to recognize the type of constitution.In order to deploy tongue image constitution recognition system on non-invasive mobile device to achieve fast, efficient and accurate constitution recognition, an efficient method is required to deal with the challenge of this kind of complex environment. Methods: In this work, we perform the tongue area detection, tongue area calibration and constitution classification using methods which are based on deep convolutional neural network. Subject to the variation of inconstant environmental condition, the distribution of the picture is uneven, which has a bad effect on classification performance. To solve this problem, we propose a method based on the complexity of individual instances to divide dataset into two subsets and classify them separately, which is capable of improving classification accuracy. To evaluate the performance of our proposed method, we conduct experiments on three sizes of tongue datasets, in which deep convolutional neural network method and traditional digital image analysis method are respectively applied to extract features for tongue images. The proposed method is combined with the base classifier Softmax, SVM, and DecisionTree respectively. Results: As the experiments results shown, our proposed method improves the classification accuracy by 1.135% on average and achieves 59.99% constitution classification accuracy. Conclusions: Experimental results on three datasets show that our proposed method can effectively improve the classification accuracy of tongue constitution recognition.

연구 동기 및 목표

• 환경 조건의 불일치로 인한 혀 이미지 촬영에서의 성능 저하 문제를 해결하기 위해.
• 한의학에서 신속하고 정확한 신체 체질 인식을 위한 모바일 배포가 가능한 비침습적 시스템을 개발하기 위해.
• 개별 혀 이미지의 내재된 복잡도에 맞추어 데이터셋 분할을 통해 분류 정확도를 향상시키기 위해.
• 딥 러닝과 전통적인 영상 분석 특징을 모두 사용하여 다양한 데이터셋 크기에서 방법을 평가하기 위해.

제안 방법

• 논문은 깊이 학습 기반 컨volution 신경망을 사용해 혀 영역을 탐지하고 校정하여 입력 이미지를 표준화한다.
• 시각적 무늬와 분포 비정상성에 기반해 개별 이미지 인스턴스를 평가하는 복잡도 인식 메커니즘을 도입한다.
• 국소 엔트로피와 기울기 분산에서 유도된 복잡도 임계값을 사용해 이미지를 고복잡도 및 저복잡도 서브셋으로 분할한다.
• 각 서브셋은 기본 분류기(Softmax, SVM, DecisionTree)를 사용해 별도로 분류하여 그룹별 맞춤형 특징 학습을 가능하게 한다.
• 최종 예측은 두 서브셋 전용 분류기의 결과를 융합하여 전체 정확도를 향상시킨다.
• 이 방법은 세 개의 데이터셋 크기에서 검증되었으며, 특징 추출에 딥 러닝과 전통적인 영상 분석 기법을 비교하였다.

실험 결과

연구 질문

• RQ1 내재된 복잡도 기반으로 혀 이미지를 분할하면, 변동하는 환경 조건 하에서도 분류 정확도 향상이 가능할까?
• RQ2 제안된 복잡도 인식 방법은 혀 체질 인식에서 기존의 특징 추출 기법과 비교해 어떻게 다를까?
• RQ3 고복잡도 및 저복잡도 이미지 서브셋을 별도로 분류하는 것이 통합 분류보다 더 높은 성능을 낼 수 있을까?
• RQ4 이 방법은 다양한 데이터셋 크기에서 얼마나 정확도를 향상시키는가?
• RQ5 이 방법은 비침습적 체질 인식을 위한 모바일 장치에 효과적으로 구현될 수 있을까?

주요 결과

• 기본 방법과 비교해 모든 테스트 데이터셋에서 평균 분류 정확도가 1.135% 향상되었다.
• 달성된 최고의 체질 분류 정확도는 59.99%로, 복잡한 실생활 촬영 조건에서 뚜렷한 향상이 있었다.
• 복잡도 기반 데이터셋 분할은 저조도 또는 불균일한 조명 조건에서의 성능 안정성 향상에 기여한다.
• Softmax, SVM, DecisionTree를 포함한 다양한 기본 분류기와 조합했을 때도 일관된 정확도 향상이 나타났다.
• 환경 변화에 강건하고 효율적이므로, 이 방법은 모바일 장치에의 구현 가능성이 입증되었다.
• 복잡도 인식 기반 분할은 이미지 분포의 비정상성으로 인한 분류 성능 저하 영향을 감소시킨다.