深度学习在舌象分类中的研究综述

随着技术的快速发展和计算能力的提高,深度学习在舌象分类领域将得到广泛的应用。舌诊图像的舌象分类是中医舌诊客观化的重要组成部分。传统的舌诊是在基础理论的指导下,借助个人经验所做出的理解和判断,因而会具有一定的差异性和模糊性,影响诊断的可重复性。为了减少主观判断的误差,许多研究人员致力于通过深度学习实现中医舌诊的客观化、定量化和自动化。主要对基于深度学习的舌象分类方法研究现状进行分析梳理和归纳总结。在舌象分类研究中,以各类深度学习方法作为研究对象,将其划分为基于早期神经网络、卷积神经网络、区域卷积神经网络、迁移学习以及其他方法进行总结分析;对舌诊中的中医证候和疾病以及体质分类进行了讨论;用Kaggle上的公开舌诊数据集进行5折交叉验证实验,数据集为小样本齿痕舌,评估了基于深度学习和迁移学习分类方法;对舌诊图像质量、构建数据集方式、特征提取、单标签和多标签分类的研究发展进行了探讨和展望。     

基于视觉显著性机制的舌象初始轮廓

舌象分割在舌诊自动化中尤为重要。本文基于视觉显著性机制通过对舌体提取HSV模型下的特征,利用HV通道获取舌体下部轮廓,利用S通道获取舌体上部轮廓。结合HV通道得到的下部轮廓、S通道得到的上部轮廓,经曲线拟合,得到初始舌体轮廓。     

数字式舌诊仪的研制与应用

一、引言从古至今,传统的中医临床舌诊手段始终停留在单凭医生个人的视觉经验来判断,因而受到人的主观因素(经验色觉)的限制和外界客观条件(气候、光线、背景色)的影响,难以有完全一致的、精确的、定量的标准。如每个人对色的感觉不一,同是一色,不同的人可能有深、浅的差异(色度学上称色饱和度),又如光线不一,同一人对日一色的视觉也会有     

舌簧触点和舌簧继电器综述

本文介绍了继电器主要元件舌簧触点和舌簧继电器的特点,现状,原理,应用及其发展方向。     

舌体胖瘦的自动分析

舌形分析是中医客观、现代化的组成部分。舌体的胖瘦与肌体脏腑器官病理程度相关。中医判断舌体的胖瘦，需要与正常舌比较，但正常舌的标准很难确立。该文研究了曲线拟合参数与曲线形状胖瘦的关系，结合舌体的长宽比，实现了舌体胖瘦的自动定量分析。实验结果表明了这些方法的有效性。     

基于超声影像的舌位参数提取及分析软件研究

为提高处理舌位超声成像数据的效率，研发一套基于超声影像的舌位参数提取及分析软件，包括舌位曲线提取功能模块和舌位曲线参数分析功能模块，前一模块采用自动拟合和手工标记关键点相结合的方法，后一模块采用SPSS工具对舌位曲线帧距和舌位空间距离进行量化统计分析。该软件可精确分析发音人发音时的舌位运动轨迹及相关参数，并通过统计图实时直观显示，不但为批量处理更多的舌位运动数据提供了可能，也为不同学科研究者分析发音过程中舌位运动的生理参数变化提供了便捷的技术支持。     

面向计算机辅助舌诊关键问题的解决方案综述

舌诊是"望、闻、问、切"四诊中的重要内容之一,也是我国中医诊法的一大特色。中医医师需要通过肉眼观察进行临床诊断,这使得传统舌诊具有主观依赖性强、缺乏定量化的缺点。随着智慧医疗的发展,研究人员着重研究如何借助计算机进行舌象的辅助诊断,实现智能舌诊,进而实现智慧中医。近年来,智能舌诊的相关研究逐渐成为热点。为了辅助该领域的研究学者对计算机辅助舌诊进行更深入的探索,文中对其进行了系统、全面的综述。首先介绍了中医舌象计算机辅助诊断的具体流程;其次,在广泛调研现有文献、最新成果及已有应用的基础上,分别对计算机辅助舌诊不同步骤的主流方法进行了分类讨论,归纳总结了基本思想和优缺点;然而列举了部分目前已研发出的舌象分析系统,设计并实现了一个较为完备的计算机辅助舌诊系统;最后总结全文并展望了未来可能的发展方向。     

基于舌诊偏色与去干扰的计算机技术研究

颜色是舌诊所需的重要参考特征,实现消除食品偏色干扰、科学收集舌色数据,从而减少舌色误差避免造成误诊.首先进行舌像分割得到完整舌头,其次进行苔质分离,分别提取舌苔和舌质的颜色数据进行分析,然后提取出舌苔的主题色(K-means),最后依据主题色的区域分布进行伪彩色图像处理.通过对食品偏色与去干扰方法的探讨,得出了舌质颜色不易被食品改变,食品偏色易改变苔色,并构建一种舌色数据校正的方法.通过舌像采集以及预处理,对比研究了舌色的舌边色泽和舌中色苔的相对性关系,解决了食品偏色去干扰问题,为诊断应用收集数据,前景广阔,意义深远.     

基于舌诊偏色与去干扰的计算机技术研究

颜色是舌诊所需的重要参考特征,实现消除食品偏色干扰、科学收集舌色数据,从而减少舌色误差避免造成误诊.首先进行舌像分割得到完整舌头,其次进行苔质分离,分别提取舌苔和舌质的颜色数据进行分析,然后提取出舌苔的主题色(K-means),最后依据主题色的区域分布进行伪彩色图像处理.通过对食品偏色与去干扰方法的探讨,得出了舌质颜色不易被食品改变,食品偏色易改变苔色,并构建一种舌色数据校正的方法.通过舌像采集以及预处理,对比研究了舌色的舌边色泽和舌中色苔的相对性关系,解决了食品偏色去干扰问题,为诊断应用收集数据,前景广阔,意义深远.     

基于超声成像技术的发音生理舌体研究方法综述

对发音时的舌体进行超声成像是分析舌体运动的一种有效方法,而对舌体超声成像序列的处理分析可以为语言学、语音学、语音处理和舌体建模等应用领域提供有价值的信息。基于国内外现有研究成果,归纳了舌体超声成像中舌体轮廓线的跟踪与提取技术,分析了不同舌体轮廓线的量化比较方法,指出了生理发音舌体模型的构建方法。旨在通过舌体超声技术的梳理,能够在发音生理研究和语言研究方面为有关研究人员提供参考,在将来的研究中,能够改进相关技术,并将计算机领域中的新算法、新模型应用于发音生理舌体研究中,进一步提高描述语音现象的科学性和准确性。     

中医舌象样本分类中加权SVM的应用研究

SVM在机器学习领域中是一种通用有效的学习方法,在中医舌象分类中取得了一定的效果。但是由于各类舌象样本的数量不均衡,标准SVM方法对于这一问题的解决尚不尽人意。针对这一问题,本研究将加权SVM方法应用于大量舌色苔色样本的分类中,根据各类样本的相对重要性,加大或减小其惩罚项,在保证非重要样本的识别正确率可以接受的情况下,尽量提高重要样本的识别正确率。实验结果表明,该方法在不均衡舌象样本的分类中能取得较好的效果。     

基于动态阈值的图像分割技术在中医舌诊中的应用

舌诊是中医四诊的重要内容,古往今来,为名医者莫不精深于舌诊。尤其近些年来,计算机技术迅猛发展带动的信息技术革命,为舌诊现代化研究注入了新的活力。本文应用图像分割技术,研究并比较了用于舌体图像分割的两种方法,提出用动态阈值的分割方法比用RGB三色分量差值方法优越,在舌体图像分割中具有较好的效果。     

齿痕舌像自动分割的方法

通过总结前人分割舌像的经验,在对齿痕一类舌像特征分析后,确定将RGB模型的舌图先转换为HSV模型,然后运用Otsu阈值法和分量互补的方法分割出完整的齿痕舌体图像.这种方法保留了齿痕的特点使识别齿痕成为可能.齿痕舌分割方法是齿痕舌数字化的基础,它进一步奠定了中医舌诊数字化的基础.     

融合多颜色分量的舌图像阈值分割算法研究

针对中医自动化舌诊中的舌图像分割问题,提出一种融合多颜色分量的舌图像阈值分割算法。对RGB颜色空间中的蓝色和红色分量执行阈值分割,确定舌图像中的人脸区域;对HSI颜色空间中的色调分量执行变换,在变换后的色调分量上执行阈值分割,以获得包含真实舌体与上嘴唇的初始目标区域;对初始目标区域对应的红色通道执行阈值分割,得到舌根和嘴唇之间的间隙区域;利用间隙区域剔除掉初始目标区域中的上嘴唇,获得最终舌体分割结果。仿真实验表明:该算法较大程度地改善了舌图像分割的精度。     

基于中医舌像的检索技术应用研究

中医舌诊是目前医学领域的重要前沿课题之一。为了给传统的中医舌诊提供新的方法,提出了将基于颜色和纹理的图像检索技术应用到中医舌像的检索中,并以VC＋＋为开发平台,对舌像的颜色、纹理进行特征提取与分析。实验表明,利用该技术能够准确、高效地实现舌像的分类检索,检索结果符合辩证要求。综合理论分析与实验结果,基于颜色和纹理的图像检索技术在中医舌诊中有很广的应用前景,对传统中医舌诊的继承和发展也具有很强的现实意义。     

舌体歪斜的自动分析

舌形态的客观分析是中医客观化、现代化的组成部分。舌体歪斜与肌体脏腑器官病理程度相关。该文提出一种新的确定对称中轴线的方法,并结合嘴角定位,实现了舌体歪斜的自动定量分析。实验结果表明了该方法的有效性。     

基于轻型卷积神经网络的舌苔颜色分类方法

舌象特征的自动分析是中医舌诊客观化的核心内容。舌苔颜色作为舌象最基本的特征,其分类的准确程度决定了后续舌象分析的有效性。因此,提出了基于轻型卷积神经网络架构的舌苔颜色分类方法。考虑到实际采集中舌象样本较少且类别不平衡的特点,对舌象样本中不平衡的舌苔颜色类别进行数据扩充;通过设计轻型卷积神经网络,将特征提取和分类纳入到一个框架中统一进行处理,利用数据驱动学习图像与其属性的映射关系,得到舌苔颜色分类模型,从而实现对舌象样本的苔色分类。实验结果表明,提出的舌苔颜色分类方法可以取得94. 85%的分类准确率,对辅助中医临床诊疗及临床研究具有现实意义。     

一种新的MLBP-Otsu算法及在舌裂纹分割中的应用

中医舌诊中只有精确、完整地分割出舌裂纹,才能准确地对舌裂纹信息进行定量化的特征表示与描述,而目前少有方法能达到此要求。为此,提出了一种新颖的基于改进的局部二值模式（Local Binary Pattern,LBP）算子与Otsu阈值分割技术相结合的舌裂纹分割算法（MLBP-Ostu算法）。根据舌裂纹的纹理特征对传统LBP的模式分类方法进行重定义;引入一个粗糙度度量因子[R],如某区域的[R]值偏小或偏大,则把其归类为非裂纹区,不进行LBP特征值计算;利用Otsu方法对前面得到的LBP特征图进行阈值分割,从而得到舌裂纹的二值图像。实验结果表明,该算法能较精确、完整地分割出舌裂纹,并且不需要预先分割出舌体区域,为将来舌诊的定量化研究及临床应用提供了有效手段。