舌诊文献综述.doc

《舌诊文献综述.doc》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、舌诊是屮医四诊屮望诊的重要内容，是屮医临床诊断的主要依据Z-O传统舌诊是根据屮医医生的主观观察來诊断病情的，长期处于原始、简陋、易受人为因素干扰的困难境地。随着屮医临床现代化的进一步发展，对舌象诊断客观化、定量化也提出了新的要求。以现代科学技术手段研究舌诊原理、提高临床应用价值，使其更加科学化、客观化、具体化，已成为舌诊研究的必然方向⑴。近年来,研究人员采用计算机图像处理技术对屮医舌象进行了自动分析研究，取得了一些进展。舌图像的采集是对舌象进行计算机分析识别的图像来源。只有设计实用、规范的采集方法

2、，才能为后期的研究打下良好的基础。余兴龙2引等按柯勒照明原理设计照明系统，采用卤钩灯，两个照明系统位于被测者两边，成45度角，将光均匀投射到舌而上，视场＞120mm,不均匀性＜1%O蒋依吾⑷等首先设立喑房,阻绝外來光源；另外设计舌诊头部固定架，使舌头照射部位、光源和相机三者位置固定；同吋使用标准色温冷光灯光（色温约为5300K）作为舌诊摄影光源。朱洁华⑸等用两个日用台灯作为辅助照明系统，直接使用Panasonic数码摄像机采集舌图像。卫保国⑹等选HlKodakDC260数码和机，图像分辨率1536

3、*1024。光源为两只Osram全光谱的L18/72BioluxD6500光源，显色指数Ra=96,色温为6500Ko尽管在拍摄过程屮可以调节硬件以获得最人舌体原始图像，但非舌体部分如脸额、唇和牙齿仍然会存在。因此在进行舌体和舌苔鉴定前先要将非舌体的部分分离出去⑺。早期的舌体分割多采用手工方式，如余兴龙⑶、翁维良凶、朱洁华⑸等的研究均是在计算机上调用文件，直接去掉非舌彖部分，删除多余信息。这种手工的图像分割方法准确率较高，但需要专业人员的参与，II费时费力。赵忠旭⑼等从数学形态学的基木理论出发，利

4、用数学形态学能描述图像形态特征，结合HSI模型，提出了基于数学形态学和HSI模型的舌图像分割算法。卫保国⑹等还提出半自动分割方法作为补充。周越〔⑼等提出了一种基于颜色与空间的纹理特征研究舌特征的途径，利用YCQ空间的色度饱和信息以及2DGabor小波系数能量分布特征，将舌体从原图像屮可靠分离出來。随着图像分割技术的发展，舌象研究屮的图像分割也经历了从人工分割逐渐向半自动、自动分割的过渡，但FI前舌体分割的结果还不是非常令人满意W舌象包插舌质和舌苔两部分。必须将舌图像屮舌质和舌苔区分开，才能对舌彖进

5、行正确的识别和分析。早期的研究多以舌尖及舌边无苔质覆盖区域作为舌质区域，舌屮舌苔覆盖区作为舌苔区域。这种分类方法较粗糙，不能客观反映舌象的特征。近年来，部分学者对舌质、舌苔的计算机自动分类技术进行了研究。如蒋依吾⑷等认为在舌质舌苔判断丄，满足H（色相）小于等于10或亮度I（亮度）小于0.68条件则标记为舌质，否则标记为舌苔。王爱民等问提出了一种监督FCM聚类算法，并设计了多层去模糊处理，用于屮医舌象自动分类。周越等⑺使用HSL模型区分舌质舌苔，对混淆的区域采用高斯模型进行统计分析，实现舌质和舌苔的

6、分离。上述研究提高了舌质、舌苔自动分类技术，为以后的发展提供了方向。由于颜色是舌诊小最重要的信息，且舌色相对舌象的其他如质地、纹理等信息在技术上和方法上可操作性更强，更容易进行客观化和量化识别，因此近十几年来计算机分析与识别技术的研究以舌象色彩识别的研究开展最早。清华大学与屮国屮医研究院刀将舌诊自动识别定位于色彩模式识别，以Munsell颜色系统为色标，运用色度学、近代光学技术、数字图像处理技术等，建立了屮医舌诊口动识别系统。丁明等〔内采用采用L*a*b*彩色模式研究舌苔的色度数据，提出了舌苔指数

7、作为舌苔的特特征参数。舌苔指数（T）=（舌体泸■舌苔a*）/舌体a*o张永涛等I⑷选择Lab色彩模型，对884例体检人群的舌色分布状态进行了分析,并与人工判断的舌色进行比较。结果发现舌色的L值平均值为59.5,"值的平均值为27.9,b值的平均值为15.5。舌色、苔色的准确描述对于屮医舌诊是非常关键的，屮医对其描述不仅仅是给出类别标号，同时考虑其属于某一类别的程度，同吋某些舌色、苔色类别之间是很难划分明确界限的。张新峰I⑸将SVM概率输出的方法应用于屮医舌色、苔色的分类和识别，其结果不仅给出舌色、

8、苔色类别标号，同吋给出属于各个类别的概率。文献［16］采用已有的加权方法进行舌象样本的分类与识别，在训练结果不能使得大小样本的分类率得到很好均衡的情形下,分别进一步加大和缩小重要样本和非重要样本的惩罚项，直到满足要求为止。文献［17］采用人工神经网络的方法來进行舌色与苔色的识别，由于神经网络的泛化能力不容易得到保证，求解过程容易陷入局部极小等特点，不能保证所得结果全局最优。文献［18］采用多级聚类树SVM分类器对舌色、苔色进行识别取得了比较好的效果，但没有充分注意到不均匀样本给分类