ResNet-18 赋能智能舌诊：实现中医舌象自动化分类！

基于ResNet-18的智能舌诊分类系统：AI助力中医数字化

🔍 项目背景

中医舌诊作为"望闻问切"四诊之首，承载着千年医学智慧。传统舌诊依赖医师经验，主观性强且效率低。本项目首次将深度学习技术与中医舌诊结合，构建了一个高精度的舌苔分类系统，通过AI算法实现：

• 多类型舌苔自动识别（黑苔、地图舌、紫苔等6大类别）
• 结合中医理论的智能分析报告
• 支持临床辅助诊断与教学研究

🚀 核心功能

功能模块	技术亮点	应用场景
图像分类	ResNet-18深度网络	舌象特征自动提取
智能分析	中医证候知识库	辅助医师辨证论治
可视化界面	PyQt5图形交互	临床快速诊断
模型训练	数据增强+迁移学习	自定义数据集扩展

🔧 技术实现

# 核心代码示例（数据加载部分）
class TongueDataset(Dataset):
    def __init__(self, root_dir, transform=None):
        self.classes = ['black', 'map', 'purple', 'red_yellow_thick_greasy', 'red_thick_greasy', 'white_thick_greasy']
        self.imgs = self._load_images(root_dir)
        self.transform = transform

    def _load_images(self, root_dir):
        images = []
        for label in self.classes:
            path = os.path.join(root_dir, label)
            for img_name in os.listdir(path):
                images.append((os.path.join(path, img_name), label))
        return images

    def __getitem__(self, idx):
        img_path, label = self.imgs[idx]
        image = Image.open(img_path).convert('RGB')
        if self.transform:
            image = self.transform(image)
        return image, self.classes.index(label)

📦 使用指南

1. 环境搭建

git clone https://gitee.com/sakura_lyh/resnet.git
cd resnet
pip install -r requirements.txt  # 自动安装PyTorch等依赖

2. 快速体验

# 运行可视化诊断界面
python gui.py

# 模型训练（约30分钟）
python train.py --epochs 50 --batch-size 32

# 模型测试
python test.py --net model/net_049.pth

📊 项目成果

• 训练精度：验证集准确率98.7%（50个epoch）
• 诊断速度：单张图片处理<0.1秒（RTX 3060）
• 数据集：包含6类2000+标注样本（持续扩展中）

📁 项目结构

resnet/
├── datasets/       # 分类数据集
├── model/          # 训练好的模型文件
├── gui.py          # 可视化界面入口
├── train.py        # 训练脚本
├── predict.py      # 图像预测接口
└── test.py         # 测试脚本

💡 扩展建议

1. 增加舌苔厚度量化分析
2. 集成脉诊数据实现多模态诊断
3. 开发移动端APP版本

🤝 参与贡献

欢迎Star本仓库！如果您有：

• 新的舌苔样本数据
• 中医证候知识库资源
• 算法优化建议
  请通过Gitee Issues或邮件（liu_yu_hao@126.com）联系我！

🔗 资源链接

• Gitee仓库（含完整代码）
• 数据集下载（500+新增样本）
• 技术博客（持续更新算法解析）

本项目采用MIT开源协议，欢迎商业使用。转载请注明出处。