本研究采用U-Net等深度学习算法对舌头图像进行分割,并对比分割结果,以研究舌头诊断的客观化。
舌诊是中医诊断的一项基本技术,通过图像处理技术客观化舌头图像的需求正在增长。本研究概述了过去十年在舌头客观化方面取得的进展,并比较了分割模型。构建了各种深度学习模型,以使用真实的舌头图像集来验证和比较算法。分析了每种模型的优缺点。结果表明,U-Net算法在精度精度(PA)、召回率和平均交集(MIoU)指标方面优于其他模型。然而,尽管在舌头图像采集和处理方面取得了重大进展,但尚未建立客观化舌头诊断的统一标准。为了促进使用移动设备捕获的舌头图像在舌头诊断对象化中的广泛应用,进一步的研究可以解决在复杂环境中捕获的舌头图像带来的挑战。
舌观察是中国传统民族医学(TCM)中广泛使用的技术。舌头的颜色和形状可以反映身体状况和各种疾病特性、严重程度和预后。例如,在传统苗族医学中,舌头的颜色用于识别体温,例如,红色或紫色舌头表示与热有关的病理因素。在藏医中,通过观察患者的舌头,注意粘液的颜色,形状和水分来判断病情。例如,和易病患者的舌头变得红而粗糙或又黑又干1;Xieri 病2 患者出现舌黄和干燥;同时,巴达坎病3 患者舌头发白、湿润、柔软4。这些观察揭示了舌头特征与生理和病理学之间的密切关系。总体而言,舌头的状态在诊断、疾病识别和治疗效果评估中起着至关重要的作用。
同时,由于不同种族群体的生活条件和饮食习惯不同,舌头图像的差异很明显。实验室模型是在颜色测定国际标准的基础上建立的,由国际克莱里奇委员会(CIE)于1931年制定。1976年,一种颜色图案被修改并命名。Lab 颜色模型由三个元素组成:L 对应于亮度,而 a 和 b 是两个颜色通道。a 包括从深绿色(低亮度值)到灰色(中等亮度值)到亮粉色(高亮度值)的颜色;b 从亮蓝色(低亮度值)到灰色(中等亮度值)再到黄色(高亮度值)。通过比较5个民族舌色的L x a x b值,Yang等5发现苗族、回族、壮族、汉族和蒙古族的舌头图像特征彼此明显不同。例如,蒙古人的舌头颜色深,舌苔是黄色的,而苗族人的舌头是浅色的,舌苔是白色的,这表明舌头特征可以作为评估人口健康状况的诊断指标。此外,舌头图像可以作为民族医学临床研究中循证医学的评价指标。他等6以舌象作为中医诊断的基础,系统评价了周灵丹丸(CLD颗粒,用于治疗炎症和发热性疾病,包括中医季节性流感)联合中西医的安全性和有效性。研究结果确立了舌头图像作为临床研究评价指标的科学有效性。然而,传统医学从业者一般依靠主观性来观察舌头特征,评估患者的生理和病理状况,需要更精确的指标。
互联网和人工智能技术的出现为舌头诊断的数字化和客观化铺平了道路。该过程涉及使用数学模型来提供舌头图像7的定性和客观描述,反映舌头图像的内容。该过程包括几个步骤:图像采集、光学补偿、色彩校正和几何变换。然后将预处理后的图像馈送到算法模型中,用于图像定位和分割、特征提取、模式识别等。该过程的输出是对舌头图像数据的高效、精确诊断,从而达到舌诊客观化、量化化、信息化的目标8。从而达到舌诊数据高效、高精度处理的目的。本研究基于舌诊知识和深度学习技术,利用计算机算法自动将舌体和舌苔与舌头图像分离,以期为医生提取舌头定量特征,提高诊断的可靠性和一致性,为后续舌诊客观化研究提供途径9.
根据上面给出的比较结果,很明显,所考虑的四种算法的特点是不同的,它们的独特优点和缺点如下所述。U-Net结构基于全卷积网络的修改和扩展,可以通过收缩路径和对称扩展路径获得上下文信息和精确定位。通过对每个像素点进行分类,该算法实现了更高的分割精度,并更快地使用训练好的模型对图像进行分割。另一方面,Seg-Net算法由编码器和解码器的对称结构组成,具有快速适应新问题并?…
The authors have nothing to disclose.
这项工作得到了国家自然基金(批准号:82004504)、国家科技部重点研发计划(批准号:2018YFC1707606)、四川省中医药管理局(批准号:2021MS199)和国家自然基金(批准号:82174236)的支持。
CPU | Intel(R) Core(TM) i7-9700K | ||
GPU | NVIDIA GeForce RTX 3070 Ti (8192MB) | ||
Operating systems | Microsoft Windows 10 Professional Edition (64-bit) | ||
Programming language | Python | ||
RAM | 16G |