一种舌图像中舌体的自动提取方法

舌诊是中医四诊的主要内容,是辨证论治的主要依据。客观化研究对中医辨证规范化及中医临床、教学和科研手段的现代化具有重要意义。舌图像机器分析的首要任务是将舌体提取出来。该文首先使用一种基于颜色纹理的无监督图像分割方法对舌图像进行初分割,然后利用基于色度参数调整后生成的模板进行区域匹配合并完成舌体的提取,通过实验充分证明了算法具有很好的鲁棒性。这给进一步的特征提取奠定了基础。     

基于递归图和卷积神经网络的脉象分析识别

在脉象信号分析识别中,时域、频域等分析方法难以挖掘脉象信号的非线性信息,且传统机器学习方法需要人工定义特征,无法进行特征的自学习。提出一种基于无阈值递归图和卷积神经网络的脉象分析识别方法。基于非线性动力学理论,将脉象信号转换为无阈值递归图,通过VGG-16卷积神经网络实现递归图非线性特征的自动提取,并建立脉象分类模型。实验结果表明,该方法分类准确率可达98.14%,与已有的脉象分类方法相比有所提升。该研究为脉象信号分类提供了一种新的思路和方法,对脉诊客观化具有一定的实用价值。     

多标记中医问诊数据的症状选择

中医诊断中,一个患者可能兼有多个证型标记,其计算机辅助诊断是高维数据多标记学习的一个典型应用.中医问诊过程中往往会产生大量症状,这影响诊断算法建模的效果.特征选择旨在寻求最小的相关症状特征子集,且能使模型泛化能力达到最大.目前有关多标记数据特征选择的研究还很少,本文提出使用一种组合的优化技术进行中医问诊多标记数据的症状选择,通过多标记k近邻等4个算法进行建模.本文所提算法与当前流行的多种多标记数据降维算法如MEFS(多标记嵌入式特征选择方法)、MDDM(多标记特征降维方法)进行了比较,在UCI酵母多标记数据集和一个冠心病问诊数据上的实验结果显示本文算法较之已有多种算法有明显提高,在average precision上对分类器的提高可达10.62%和14.54%.论文实现了冠心病问诊症候模型的建立,为冠心病的诊断和其他多标记数据分析提供了有效的参考.     

舌体图像分割技术的实验分析与改进

数字舌像图片的正确分割是中医舌诊自动化技术的关键。因为舌体特征的多样性,经典成熟的分割算法并不适用。首先对近5a来该领域已有工作,尤其是Snake算法的研究进展,分类用临床图片测评总结,讨论各类代表性算法的优缺点。最后在已有3个主流算法基础上通过改进提出了3个新算法,不同程度上提高了已有主流算法舌体分割的效果。