中医舌诊自动识别方法的研究

本文分析了中医舌诊的主要内容，提出了实现自动识别的对策。在此基础上，以Ｍｕｎｓｅｌｌ颜色系统为色标，运用色度学、近代光学技术、数字图像处理技术和计算机硬件技术，建立了中医舌诊自动识别系统。在该系统上，以中医辨症论治学说为指导，将计算机软件技术与临床辨舌经验结合，利用样本训练系统，根据模糊数学理论，确定有关舌像的定义域，进行纹理分析。临床研究了３６６例淡红舌、暗红舌、紫红舌、暗紫舌四种舌像，符合率８６．３４％。     

加权SVM在中医舌象分类与识别中的应用研究

加权SVM是解决不均衡舌象样本分类和识别的有效方法，但在边界支撑向量很少是错分样本的情况下，已有方法有时不能取得良好的效果。本研究首先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。理论分析和实验均表明该方法的有效性。     

数码相机在中医舌诊教学中的应用

文章分析了数码相机和中医教学特点，指出数码相机在中医舌诊教学中所具有的优点，同时介绍了数码相机的应用方法和技巧。     

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。     

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。     

基于GVFSnake模型的图像分割方法在放射吸收法（RA）中的应用

目的:探讨GVFSnake模型在放射吸收法骨密度测定图像分割方面的价值.方法:本文将GVF Snake模型应用于目标区域分割,并与区域分割法进行对比.结果:实验表明梯度矢量流模型有较好的鲁棒性和实用性,分割结果与实际边界非常吻合.结论:GVF Snake模型为一种很实用的分割方法,能够应用在放射吸收法骨密度测定中.     

神经网络技术在磁共振图像分割中的应用

神经网络具有类似人脑的并行处理结构 ,能够模拟人脑对刺激的反应方式进行工作 ,可以用于解决磁共振图像分割问题。近来 ,涌现出许多神经网络磁共振图像分割方法的应用报道 ,这些神经网络包括传统的确定型神经网络 ,以及结合模糊逻辑、混沌理论或者小波理论等新理论的混合神经网络。本文针对这些磁共振图像分割方法进行综述。     

分类器融合技术在中医舌象老嫩识别中的应用研究

舌诊是中医四诊中望诊的重要内容,其本身就体现了信息融合的思想,然而在舌象信息的全面综合识别、分析、处理等方面鲜见文献报道.本文首次采用颜色与纹理特征对舌象老嫩进行自动识别.将舌象的颜色与纹理特征融合后,主要采用基于决策层的最优线性融合方法和AdaBoost算法两种融合方案,并对其进行比较.实验结果表明,基于k近邻分类器的AdaBoost算法对舌象老嫩融合特征具有最佳的分类性能.     

U-Net及其变体在医学图像分割中的应用研究综述

医学图像分割可以为临床诊疗和病理学研究提供可靠的依据,并能辅助医生对病人的病情做出准确的判断。基于深度学习的分割网络的出现解决了传统自动分割方法鲁棒性不强、准确率低等问题。U-Net凭借其出色的性能在众多的分割网络中脱颖而出,研究者以U-Net为基础相继提出了多种改进变体。以U-Net网络及其变体为主线,首先详细介绍U-Net的网络结构及常用改进方法;然后根据分割对象的不同,将U-Net变体网络进一步划分为泛用型分割网络及特定型分割网络,并就其在医学图像分割中的研究进展进行论述;最后,分析了目前研究中工作尚存在的难点与问题,并对今后的发展方向进行展望。     

GVF Snake模型在全身骨SPECT图像分割中的应用

全身骨SPECT图像受成像原理限制,膀胱区域灰度值很高,影响图像整体的亮度、对比度和可读性;膀胱区域与病灶具有相似的灰度特征,不利于对图像进行病灶的自动识别等处理.GVF Snake模型是传统Snake的改进模型,我们用GVF Snake模型分割膀胱区域,实现全自动去除膀胱区域,为SPECT全身骨图像的各种处理提供良好的环境.     

改进的区域生长算法在医学图像分割中的应用

通过对颅脑CT图像的特征分析，引入阈值法和边缘检测以改进区域生长算法，用此法自动剔除CT图像的头架与头垫。实验结果表明，此算法能得到令人满意的结果，不仅剔除了头架与头垫，而且保留了皮肤信息。此方法能克服传统区域生长法的不足，能自动、快速、有效地分割颅脑CT图像。     

Template Guided Live Wire and Its Application on Automatic Extraction of Tongue in Digital Image

In this paper, we propose a novel automatic object extraction algorithm, named the Template Guided Live Wire, based on the popularly used livewire techniques. We discuss in details the novel method＇s applications on tongue extraction in digital images. With the guides of a given template curve which approximates the tongue＇ s shape, our method can finish the extraction of tongue without any human intervention. In the paper, we also discussed in details how the template guides the live wire, and why our method functions more effectively than other boundary based segmentation methods especially the snake algorithm. Experimental results on some tongue images are as well provided to show our method＇s better accuracy and robustness than the snake algorithm.