Objektifiering av tungdiagnos i traditionell medicin, dataanalys och studieapplikation
Summary
Den aktuella studien använde U-Net och andra djupinlärningsalgoritmer för att segmentera en tungbild och jämförde segmenteringsresultaten för att undersöka objektifieringen av tungdiagnos.
Abstract
Tungdiagnos är en viktig teknik för traditionell kinesisk medicin (TCM) diagnos, och behovet av objektifierande tungbilder genom bildbehandlingsteknik växer. Den aktuella studien ger en översikt över de framsteg som gjorts inom tungobjektifiering under det senaste decenniet och jämför segmenteringsmodeller. Olika djupinlärningsmodeller är konstruerade för att verifiera och jämföra algoritmer med hjälp av verkliga tungbilduppsättningar. Styrkor och svagheter i varje modell analyseras. Resultaten indikerar att U-Net-algoritmen överträffar andra modeller avseende precisionsnoggrannhet (PA), återkallande och genomsnittlig skärning över union (MIoU) mätvärden. Trots de betydande framstegen inom insamling och bearbetning av tungbilder har en enhetlig standard för objektifierande tungdiagnos ännu inte fastställts. För att underlätta en utbredd tillämpning av tungbilder som tagits med mobila enheter vid objektifiering av tungdiagnos kan ytterligare forskning ta itu med de utmaningar som tungbilder som tagits i komplexa miljöer.
Introduction
Tungobservation är en allmänt använd teknik i traditionell kinesisk etnisk medicin (TCM). Tungans färg och form kan återspegla det fysiska tillståndet och olika sjukdomsegenskaper, svårighetsgrader och prognoser. Till exempel, i traditionell Hmong-medicin, används tungans färg för att identifiera kroppstemperatur, t.ex. en röd eller lila tunga indikerar patologiska faktorer relaterade till värme. I tibetansk medicin bedöms ett tillstånd genom att observera patientens tunga, uppmärksamma slemens färg, form och fukt. Till exempel blir tungorna hos patienter med Heyis sjukdom röda och grova eller svarta och torra1; patienter med Xieri sjukdom2 har gula och torra tungor; under tiden har patienter med Badakan sjukdom3 en vit, fuktig och mjuk tunga4. Dessa observationer avslöjar det nära sambandet mellan tungans egenskaper och fysiologi och patologi. Sammantaget spelar tungans tillstånd en viktig roll vid diagnos, sjukdomsidentifiering och utvärdering av behandlingseffekten.
Samtidigt, på grund av olika levnadsförhållanden och kostvanor bland olika etniska grupper, är variationer i tungobilder uppenbara. Lab-modellen, etablerad på grundval av en internationell standard för bestämning av färg, formulerades av Commission International Eclairage (CIE) 1931. 1976 modifierades och namngavs ett färgmönster. Lab-färgmodellen består av tre element: L motsvarar ljusstyrka, medan a och b är två färgkanaler. a innehåller färger från mörkgrön (lågt ljusstyrkevärde) till grått (medelhögt ljusstyrkevärde) till ljusrosa (högt ljusstyrkevärde); B går från ljusblått (lågt ljusstyrkevärde) till grått (medelhögt ljusvärde) till gult (högt ljusvärde). Genom att jämföra L x a x b-värdena för tungfärgen hos fem etniska grupper fann Yang et al.5 att egenskaperna hos tungbilder av Hmong-, Hui-, Zhuang-, Han- och mongoliska grupper skilde sig signifikant från varandra. Till exempel har mongolerna mörka tungor med en gul tungbeläggning, medan Hmong har ljusa tungor med en vit tungbeläggning, vilket tyder på att tungfunktioner kan användas som en diagnostisk indikator för att bedöma hälsotillståndet hos en befolkning. Dessutom kan tungbilder fungera som ett utvärderingsindex för evidensbaserad medicin i klinisk forskning om etnisk medicin. He et al.6 använde tungbilder som grund för TCM-diagnos och utvärderade systematiskt säkerheten och effekten av Chou-Ling-Dan-pellets (CLD-granulat som används för att behandla inflammatoriska och febersjukdomar, inklusive säsongsinfluensa i TCM) i kombination med kinesisk och västerländsk medicin. Resultaten fastställde den vetenskapliga validiteten av tungbilder som ett utvärderingsindex för kliniska studier. Ändå förlitar sig traditionella läkare i allmänhet på subjektivitet för att observera tungans egenskaper och bedöma patienternas fysiologiska och patologiska tillstånd, vilket kräver mer exakta indikatorer.
Framväxten av internet och artificiell intelligensteknik har banat väg för digitalisering och objektifiering av tungdiagnos. Denna process innebär att man använder matematiska modeller för att ge en kvalitativ och objektiv beskrivning av tungbilder7, vilket återspeglar innehållet i tungbilden. Processen omfattar flera steg: bildförvärv, optisk kompensation, färgkorrigering och geometrisk transformation. De förbehandlade bilderna matas sedan in i en algoritmisk modell för bildpositionering och segmentering, extrahering av funktioner, mönsterigenkänning etc. Resultatet av denna process är en mycket effektiv och exakt diagnos av tungbildsdata, vilket uppnår målet om objektifiering, kvantifiering och informatisering av tungdiagnos8. Således uppnås syftet med hög effektivitet och hög precision bearbetning av tungdiagnosdata. Baserat på tungdiagnoskunskap och djupinlärningsteknik separerade denna studie automatiskt tungkroppen och tungbeläggningen från tungbilder med hjälp av en datoralgoritm för att extrahera de kvantitativa egenskaperna hos tungor för läkare, förbättra diagnosens tillförlitlighet och konsistens och tillhandahålla metoder för efterföljande tungdiagnosobjektifieringsforskning9.
Protocol
Representative Results
Discussion
Baserat på de jämförelseresultat som presenteras ovan är det uppenbart att egenskaperna hos de fyra algoritmerna som övervägs varierar, och deras distinkta fördelar och nackdelar beskrivs nedan. U-Net-strukturen, baserad på modifiering och expansion av ett fullständigt faltningsnätverk, kan få kontextuell information och exakt positionering genom en kontrakteringsväg och en symmetrisk expanderande väg. Genom att klassificera varje pixelpunkt uppnår den här algoritmen en högre segmenteringsnoggrannhet och …
Divulgazioni
The authors have nothing to disclose.
Acknowledgements
Detta arbete stöddes av National Nature Foundation of China (bidragsnummer 82004504), National Key Research and Development Program of the Ministry of Science and Technology of China (grant no.2018YFC1707606), Chinese Medicine Administration of Sichuan Province (grant no.2021MS199) och National Nature Foundation of China (grant no.82174236).
Materials
| 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 |
Riferimenti
- Jiu, G., et al. Effects of herbal therapy on intestinal microbiota and serum metabolomics in different rat models of Mongolian medicine. Evidence-Based Complementary and Alternative. 2022, 7255780 (2022).
- Xi, J., Xin, Y., Teregle, Study on the correlation between the animal model of Mongolian medicine 34;Xieri disease" and serum ALT and AST. Electronic Journal of Cardiovascular Diseases in Combination of Traditional Chinese. 4 (33), 134-135 (2016).
- Yin, L., et al. Study on the mechanism of serum differential protein changes in bronchial asthma based on proteomics. Chinese Journal of Traditional Chinese Medicine. 47 (22), 6227-6234 (2022).
- Wang, X. H., Bao, L. Band Seed. The origin and development of tongue diagnosis in Mongolian medicine. Chinese Ethnic Folk Medicine. (1), 64-65 (2008).
- Yang, S., et al. A comparative study on the feature parameters of tongue diagnosis images in five nationalities. Chinese Journal of Traditional Chinese Medicine. 36 (11), 6428-6430 (2021).
- He, J. Y., et al. Efficacy and safety of Chou-Ling-Dan granules in the treatment of seasonal influenza via combining Western and traditional Chinese medicine, protocol for a multicentre, randomised controlled clinical trial. BMJ Open. 9 (4), e024800 (2019).
- Wang, D. J., et al. Scientific knowledge mapping and visualization analysis in the field of Chinese medicine tongue feature objectification research. World Science and Technology – Modernization of Chinese Medicine. 23 (9), 3032-3040 (2021).
- Yuan, S. M., Qian, P., Li, F. F. Research progress of color correction methods for tongue and face diagnosis in traditional Chinese Medicine. Chinese Journal of Traditional Chinese Medicine. 34 (9), 4183-4185 (2019).
- Kanawong, R., et al. Tongue image analysis and its mobile app development for health diagnosis. Advances in Experimental Medicine and Biology. 1005, 99-121 (2017).
- Yu, Y., et al. Semantic segmentation evaluation index and evaluation method. Computer Engineering and Application. , (2023).
- Sehyung, L., Negishi, M., Urakubo, H., Kasai, H., Ishii, S. Mu-net: Multi-scale U-net for two-photon microscopy image denoising and restoration. Neural Networks. 125, 92-103 (2020).
- Huang, X. M., et al. A review on the application of U-Net and its variants in medical image segmentation. Chinese Journal of Biomedical Engineering. 41 (5), 567-576 (2022).
- Lu, J. H., Xu, Y. F., Wang, Y. Q., Hao, Y. M. Research overview of tongue objectification in traditional Chinese medicine based on computer image technology. World Science and Technology – Modernization of Traditional Chinese Medicine. 24 (11), 4568-4573 (2022).
- Mansour, R. F., Althobaiti, M. M., Ashour, A. A. Internet of things and synergic deep learning based biomedical tongue color image analysis for disease diagnosis and classification. IEEE Access. 9, 94769-94779 (2021).
- Cai, Y. H., Hu, S. B., Guan, J., Zhang, X. F. Analysis of the development and application of tongue diagnosis objectification techniques in Chinese medicine. World Science and Technology – Modernization of Chinese Medicine. 23 (7), 2447-2453 (2021).
- Ghosh, S., Das, N., Nasipuri, M. Reshaping inputs for convolutional neural network: some common and uncommon methods. Pattern Recognition. 93, 79-94 (2019).
- Shang, Z. M., et al. Research progress of digital acquisition and characterization of tongue diagnosis information. Chinese Journal of Traditional Chinese Medicine. 36 (10), 6010-6013 (2021).
- Ning, J., Zhang, D., Wu, C., Yue, F. Automatic tongue image segmentation based on gradient vector flow and region merging. Neural Computing and Applications. 21, 1819-1826 (2012).
- Zheng, F., Huang, X. Y., Wang, B. L., Wang, Y. H. A method for tongue detection based on image segmentation. Journal of Xiamen University. 55 (6), 895-900 (2016).
- Li, Y. T., Luo, Y. S., Zhu, Z. M. Deep learning-based tongue feature analysis. Computer Science. 47 (11), 148-158 (2020).
- Wang, Y. D., Sun, C. H., Cui, J. L., Wu, X. R., Qin, Y. X. Research on deep learning-based tongue fissure segmentation algorithm. World Science and Technology – Modernization of Chinese Medicine. 23 (9), 3065-3073 (2021).
- Wang, X. M., Wang, R. Y., Guo, D., Lu, S. Z., Zhou, P. Research on the identification method of tongue punctures based on auxiliary light source. Journal of Sensing Technology. 29 (10), 1553-1559 (2016).
- Yang, J. D., Zhang, P. A fully connected neural network based on migration learning for tongue image classification. Journal of the Second Military Medical University. 39 (8), 897-902 (2018).
- Song, C., Wang, B., Xu, J. T. Research on tongue feature classification method based on deep migration learning. Computer Engineering and Science. 43 (8), 1488-1496 (2021).
- Ding, H. J., He, J. C. Study on modern techniques and methods of tongue diagnosis. Shi Zhen Chinese Medicine. 21 (5), 1230-1232 (2010).
- Zhai, P. B., et al. A multi-stage tongue image classification algorithm incorporating attention mechanism. Computer Engineering and Design. 42 (6), 1606-1613 (2021).
- Hou, Y. S. A new clustering analysis algorithm based on deep learning. Journal of Xinxiang University. 35 (12), 4 (2018).
- Shi, Y. L., et al. A decision tree algorithm for classification of non-small cell lung cancer evidence based on tongue and pulse data. World Science and Technology – Modernization of Chinese Medicine. 24 (7), 2766-2775 (2022).
- Li, J., Hu, X. J., Zhou, C. L., Xu, J. T. Study on the feature analysis and diagnosis model of diabetic tongue based on random forest algorithm. Chinese Journal of Traditional Chinese Medicine. 37 (3), 1639-1643 (2022).
- Chen, C. H., et al. The characteristics of the combination of the four diagnostic methods of traditional Chinese medicine from the perspective of the differences between Chinese and Western medical diagnosis methods. Journal of Guangzhou University of Traditional Chinese Medicine. 28 (3), 332-334 (2011).
- Chen, R., et al. Correlation analysis of tongue image and western medicine typing in 382 patients with novel coronavirus pneumonia based on Lab colour model and imaging histology. Chinese Journal of Traditional Chinese Medicine. 36 (12), 7010-7014 (2021).
- Ju, J. W., Jung, H., Lee, Y. J., Mun, S. W., Lee, J. H. Semantic segmentation dataset for AI-based quantification of clean mucosa in capsule endoscopy. Medicina. 58 (3), 397 (2022).
- Wu, X., et al. A review of research on deep learning in tongue image classification. Computer Science and Exploration. , 1-23 (2022).
