辨舌在我国中医诊断中具有重要的意义,不但可以协助医生了解病人的局部病变,还对病人全身疾病的诊断有一定辅助作用。传统舌诊方法严重依赖于主治医生的临床经验,如果医生的舌诊经验不够丰富,容易发生错误判断进而造成误诊。随着计算机技术尤其是图像处理技术和深度学习技术的发展,应用图像处理和深度学习技术进行辨舌逐渐成为了业界发展趋势。基于此,本文提出了基于深度卷积神经网络的舌体胖瘦精细分类方法,该方法可依据舌体特征将舌体图像分为舌体正常、舌体胖大、舌体瘦小、舌体胖大有齿印等四类特征。相关工作的主要难点在于是否能有效识别在图像表现上较为模糊的舌体胖大有齿印特征。具体研究内容如下:(1)基于深度卷积神经网络,提出了新的卷积模块K Block,完成舌体特征的提取任务。该模块通过堆叠多种尺寸大小的卷积核实现对舌体图像特征提取。在此基础上,基于K Block,搭建了一个深度卷积神经网络模型K-CNN,对普通类图片和高斯噪音类图片分别进行分类实验。实验结果表明,与Alex Net等经典模型相比,该模型具有较高的分类准确率。(2)为进一步改进K Block,解决K Block的cell1层没有得到充分利用的问题,提出一个新的模块K2 Block。该模块不仅改变了模块内部的卷积层尺寸大小,还改善了模块cell1层和模块输出层的关系,将cell1层的输出和cell3层的处理结果连接之后的结果作为K2 Block的输出,这种改进的残差连接方式,可进一步改善模型的过拟合和网络训练的梯度弥散现象。在此基础上,基于K2 Block,构建了A特征提取模块和B特征提取模块,分别进行舌体图像的总体特征和细节特征的提取工作,最后将二者的特征提取结果进行特征融合搭建了一个新的深度卷积神经网络模型K2-CNN。实验结果表明,融合了A特征提取模块和B特征提取模块的K2-CNN模型,能提取更丰富有效的特征,对普通类图片和高斯噪音类图片的分类准确率较K-CNN模型有所提高,有效地提升了舌诊的准确性。本论文研究属于医工结合交叉领域,是“临床医学+人工智能”新的尝试,能为医生临床诊断提供辅助技术支持。