基于直方图均衡化的伽马校正和K-means聚类的舌象苔质分离方法

目的舌苔、舌质分离对后续肿瘤患者舌象的客观化辨证具有重要的意义。常用的算法是基于颜色空间通道舌图像的K-means聚类算法。CIELAB颜色空间的a*通道舌图像相较于其他颜色空间通道的舌图像分割结果稳定,常用于后续的分割。对于部分舌图像,a*通道舌图像的舌苔、舌质虽然具有一定的区分度,但二者的区分度并不是十分明显,影响后续的分割结果。因此,本文提出一种基于直方图均衡化的伽马校正和K-means聚类的舌苔、舌质分离方法。方法采用200幅肿瘤患者的舌图像作为实验样本。首先将舌图像从RGB颜色空间转换到CIELAB颜色空间,对a*通道舌图像进行直方图均衡化增强以及伽马校正,然后利用K-means聚类方法对增强后的舌图像舌苔、舌质分离,得到直方图均衡化以及伽马校正后的a*通道舌图像和分割后的舌苔、舌质图像。为了验证算法的可行性,请5位专业中医医生对200例肿瘤患者的舌图像舌苔、舌质分割效果进行辨析。结果进行直方图均衡化以及伽马校正后的a*通道舌图像舌苔、舌质分割结果明显强于未经处理的a*通道舌图像分割结果。经辨析,分割合格率为97%。结论该方法可以很好地实现舌苔、舌质分离,具有一定的应用价值。     

基于Bayes公式的舌苔厚薄分析

舌苔厚薄检测是舌诊自动化系统的重要组成部分之一.本文根据中医对舌苔厚薄的定义,结合舌质舌苔的模糊特性,提出了一种基于Bayes概率公式的舌苔厚薄鉴别算法,并在不同的色彩空间下进行了实验.实验结果表明该算法适用于鉴别舌苔厚薄.     

中医舌象颜色识别的研究

基于由粗到精的思路,将舌质和舌苔的颜色识别问题分解为苔质分离和颜色细分两步。在第一步中,提出一种基于JSEG算法和k-NN法的自动分离苔质的方法,并根据中医望诊先验知识设计先验模板和标准色块来辅助分类。颜色细分是在第一步的基础上采用最近邻法进行的。实验表明,本文提出的方法简单且鲁棒性强,能够有效地用于舌诊客观化。此外,在舌图像的色彩校正和舌体分割两个方面,对前人的研究进行了改进,取得了较好的效果。     

图像分割技术在中医舌诊客观化研究中的应用

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。对舌诊客观化研究中涉及的图像预处理的重要内容——舌体分割提取和舌苔舌质同类区域划分——进行了深入研究,提出了相应算法,通过实验充分证明了算法具有很好的鲁棒性。这给进一步的自动特征提取提供了保障和重要信息。     

中医舌象信息的数字化方法研究

提出一种基于图像处理的舌象检测与分析方法 ,以及研究传统中医舌诊中舌的特征的数字化途径。应用了 2 DGabor小波变换和色度信息较为精确地检测出舌体区域 ;提出了运用统计方法标定舌质和舌苔点以及确定其颜色的算法。舌苔的厚度是通过色度信息和 2 DGabor小波系数能量 (GWTE)进行量化。分析了在不同相位时 ,有无舌纹情况下GWTE呈现出的不同特性 ;根据这一特点用不变矩描述了舌区域的GWTE从而对舌纹的多少作出了定性的说明。通过一定的实验表明 ,本文提出的相关算法是行之有效的 ,并取得了较好的结果。     

肺部疑似病变区域的自动提取方法及应用

目的:研究肺癌计算机辅助诊断中疑似病变区域的自动提取算法及其实际应用效果.方法:作者在分析肺部CT图像之后,根据图像的特点,首先采用合适的算法提取出肺实质,然后利用本文所介绍的三种算法来提取疑似病变区域,并对提取结果进行分析比较.结果:通过对阈值法,K均值法以及模糊C均值法的实际处理结果进行比较发现,三种方法都能有效的提取出肺部疑似病变区域.但从算法效率及提取结果等角度综合考虑,K均值法更适合用来提取肺部疑似病变区域.结论:利用K均值法能够很好的提取肺部疑似病变区域,同时该算法运行的效率很高.     

利用人工神经网络检测癫痫样放电过程中阈值的自动确定

利用人工神经网络（Artificial Neural Network，ANN）检测脑电图中癫痫样放电（Epileptiform Discharges,ED）具有识别率高和假阳性低的优点。在自动识别过程中，当脑电波使ANN的输出超过阈值，即判定该波为ED。阈值的确定是非常重要的，以往都利用有经验的医生确定的ED标准来确定阈值，或根据经验设定一个阈值范围。本文根据自动识别的网络输出峰值分布曲线上ED和非ED的分布特征，找出自动确定阈值的算法，能够针对不同的患者算出其阈值，从而避免因阈值的误差而使识别率下降或使假阳性率上升。通过与利用医生ED标准确定的阈值以及固定阈值的方法进行比较，自动确定阈值的算法具有明显的优点。     

多标记学习在中医舌象分类中的研究

目的中医舌诊中,一幅舌象对应舌色、苔色和苔厚等多个类别,而且舌象的多个类别间存在一定的相关性。传统的数据挖掘技术无法利用这些相关性同时进行建模,本文拟探索用多标记学习方法解决舌象这种多标记数据的分类问题。方法首先对舌象进行苔质分离,分别提取舌质和舌苔的颜色特征,再对舌苔图像分块,提取每一块的纹理特征,随后通过多标记学习算法(multi-label learning by exploiting label dependency,LEAD)进行分类。最后将LEAD的分类结果和ML-k NN的结果进行对比,评价指标为汉明损失(Hamming loss)、平均精度(average precision)和(-评估)(-evaluation)。结果相对于SVM等传统的单标记学习算法,LEAD可以将多个类别同时赋予一幅舌图像,而且在三个指标上的分类效果均优于ML-k NN。结论多标记LEAD算法用于舌象分类能够使得对舌象的描述更全面、准确,可以辅助中医进行舌诊。     

健康儿童舌尖微循环与舌象的关系

我们用微循环显微镜配以录相系统检测了218名健康儿童的舌尖微循环,同时观察其舌质、舌苔等情况。1.舌质淡红205例占94%,淡白13例占6%。舌苔薄白165例占75.6%;厚白苔38例占17.5%;薄黄苔6例占2.7%;黄腻苔3例占1.4%;厚黄干苔1例占0.5%;无苔5例占2.3%。2.中医认为舌质的颜色能反映脏腑、气血各种变化,正常呈淡红色,病理下则呈淡白、鲜红、暗红等。本     

一种2型糖尿病中医证型的舌图像识别方法

舌诊是2型糖尿病辨证方法之一,为降低因外界光线、医生经验等因素造成的临床2型糖尿病舌象诊断误差,提出一种2型糖尿病中医证型的舌图像识别方法。首先,通过色差校正,获得校正后舌象图像;其次,基于不同颜色空间特性,运用快速K均值聚类方法分离图像背景区域与舌体区域,再对舌体区域图像运用Ohta色度阈值法分离出舌质区域和舌苔区域;然后,根据2型糖尿病3种证型的舌象特征,提取舌体、舌苔及舌质区域的颜色、裂纹和胖大特征值;最后,使用随机森林作为分类器训练识别数据,并与支持向量机的方案进行对比。通过对218例数据训练识别,得出随机森林方法平均识别准确率为90.37%,比支持向量机方法提高了10.74%。结果表明,在2型糖尿病中医证型分类识别方面,随机森林方法更准确,且提出的舌图像识别方法可以实现2型糖尿病的中医证型识别。     

中医舌象自动分类方法研究

研究计算机舌象分析方法,对进一步推动中医现代化,有重要作用.本文提出了一种同时包含位置和颜色信息的舌象特征表示方法,实现了中医观点下舌色的自动分类.提出把HSV颜色空间中极坐标系下的H、S分量转化为直角坐标系的X、y分量,并以此作为颜色特征,比较了这两种颜色特征表达方法对分类结果的影响.实验结果表明,(X,y,V)颜色特征表示方法具有更好的分类效果.     

中医舌色苔色识别中多分类支撑向量机算法比较

为了了解在不同样本数量情况下具有何种特点的算法比较适合舌色苔色的分类与识别,本文采用一对一SVM和它的改进算法IMP-BSVM、DAG-BSVM,以及M-ary分类SVM算法对舌色、苔色分类进行了比较。结果表明,当训练样本数较少时,DAG-BSVM能有较高的正确率和较快的训练和识别速度,因此选用DAG-BSVM;当训练样本数较大时,IMP-BSVM能得到最少的支撑向量和较高的正确率以及较快的识别速度,此时则选用IMP-BSVM。     

Recent Progresses in Analysis of Tongue Manifestation for Traditional Chinese Medicine

Tongue diagnosis is one of the most precious and widely used diagnostic methods in Traditional Chinese Medicine （TCM）. However, due to its subjective, qualitative and experience-dependent nature, the studies on tongue characterization have been widely emphasized. This paper surveys recent progresses in analysis of tongue manifestation. These new developments include the cross-network and cross-media color reproduction of tongue image, the automatic segmentation of tongue body based on knowledge, the automatic analysis of curdiness and griminess for the tongue fur and the automatic analysis of plumpness, wryness and dot -thorn of tongue body. The clinic experiments verify the validity of these new methods.     

Internal Kinematics of the Tongue Following Volume Reduction

This study was undertaken to determine the functional consequences following tongue volume reduction on tongue internal kinematics during mastication and neuromuscular stimulation in a pig model. Six ultrasonic‐crystals were implanted into the tongue body in a wedge‐shaped configuration which allows recording distance changes in the bilateral length (LENG) and posterior thickness (THICK), as well as anterior (AW), posterior dorsal (PDW), and ventral (PVW) widths in 12 Yucatan‐minipigs. Six animals received a uniform mid‐sagittal tongue volume reduction surgery (reduction), and the other six had identical incisions without tissue removal (sham). The initial‐distances among each crystal‐pairs were recorded before, and immediately after surgery to calculate the dimensional losses. Referring to the initial‐distance there were 3–66% and 1–4% tongue dimensional losses by the reduction and sham surgeries, respectively. The largest deformation in sham animals during mastication was in AW, significantly larger than LENG, PDW, PVW, and THICK (P < 0.01–0.001). In reduction animals, however, these deformational changes significantly diminished and enhanced in the anterior and posterior tongue, respectively (P < 0.05–0.001). In both groups, neuromuscular stimulation produced deformational ranges that were 2–4 times smaller than those occurred during chewing. Furthermore, reduction animals showed significantly decreased ranges of deformation in PVW, LENG, and THICK (P < 0.05–0.01). These results indicate that tongue volume reduction alters the tongue internal kinematics, and the dimensional losses in the anterior tongue caused by volume reduction can be compensated by increased deformations in the posterior tongue during mastication. This compensatory effect, however, diminishes during stimulation of the hypoglossal nerve and individual tongue muscles. Anat Rec, 291:886‐893, 2008. © 2008 Wiley‐Liss, Inc.     

A Three‐Dimensional Atlas of Human Tongue Muscles

The human tongue is one of the most important yet least understood structures of the body. One reason for the relative lack of research on the human tongue is its complex anatomy. This is a real barrier to investigators as there are few anatomical resources in the literature that show this complex anatomy clearly. As a result, the diagnosis and treatment of tongue disorders lags behind that for other structures of the head and neck. This report intended to fill this gap by displaying the tongue's anatomy in multiple ways. The primary material used in this study was serial axial images of the male and female human tongue from the Visible Human (VH) Project of the National Library of Medicine. In addition, thick serial coronal sections of three human tongues were rendered translucent. The VH axial images were computer reconstructed into serial coronal sections and each tongue muscle was outlined. These outlines were used to construct a three‐dimensional (3D) computer model of the tongue that allows each muscle to be seen in its in vivo anatomical position. The thick coronal sections supplement the 3D model by showing details of the complex interweaving of tongue muscles throughout the tongue. The graphics are perhaps the clearest guide to date to aid clinical or basic science investigators in identifying each tongue muscle in any part of the human tongue. Anat Rec, 296:1102–1114, 2013. © 2013 Wiley Periodicals, Inc.     

基于AdaBoost级联框架的舌色分类

目的基于图像处理的舌质颜色分析是中医舌诊现代化的重要内容,提高舌色的正确识别率是其中的关键问题。本文使用集成学习的分类方法来探讨舌色分类,以达到客观、准确地识别中医(traditional Chinese medicine,TCM)舌色。方法首先通过AdaBoost算法对舌图像进行初步分类,再将该算法与级联框架进行结合;然后通过"一对其余"的方法将AdaBoost从二分类扩展到多类来完成舌质颜色的分析;最后通过实验进行验证,并与其他方法所得出的结果进行对比。结果针对各类舌质颜色分类问题,使用随机森林与传统的AdaBoost分类器进行分类的正确率分别在78.0%~90.2%与89.4%~95.5%之间,而基于AdaBoost级联框架的分类器的各类舌质分类正确率在93.0%~98.7%之间。结论基于AdaBoost级联框架的舌质颜色分类方法与其他经典方法相比,具有较高的正确分类率,为基于图像处理的中医舌诊辅助诊断奠定了一定的基础。