舌苔客观测量研究进展--上海都康仪器设备有限公司

行业新闻

舌苔客观测量研究进展

1.苔色苔色测量常常与舌色测量同时进行。根据不同的颜色空间，苔色有不同的划分标准，故设计了不同的舌诊系统。翁维良等应用“中医舌诊专家系统”对927冠心病例患者苔色进行定量观察，发现厚白腻、厚白、薄白腻等不同舌苔之间的RGB值差异有统计学意义（P<001），并且舌苔的厚薄、腐腻等也明显影响RGB值的变化，舌苔由白黄褐灰黑的变化，其RGB值由高到低。苔色与舌苔的覆盖面积也有一定的相关性。沈兰荪教授团队将学习矢量量化（LVQ）神经网络分类器应用到苔色自动分类中。其训练样本筛选基于2σ准则，色度空间的选择则依据Fisher比率，对7幅测试舌图像718个样本的筛选实验证明，该方法可有效提高了分类器的性能，与中医专家目视判断相一致。同时，沈兰荪教授团队还基于监督FCM聚类算法，提出“模糊点”的概念，设计了多层去模糊处理，分类结果表明该方法既符合中医舌诊习惯的文字描述，还能给出伪彩色舌像图，形象地表征苔色的分布情况（该团队将舌苔颜色分为白苔、淡黄台、黄苔、黄褐苔、灰黑苔）。近年来，有学者利用北京工业大学沈兰荪教授研制的中医舌象分析仪，发现采用视觉度量空间以及由此转换而来的LCH颜色空间，对描述6种舌苔苔色更为直观。其外，李谨等提出定量的光谱分析可用于舌苔的测量，从光谱中主要成份光强的综合比例可以得出舌苔的颜色组成，从而使苔色得到量化。

2.苔厚薄苔厚薄测量的原理不一。卫保国等首先分割了舌质与舌苔，并将舌苔见底程度的定量化结果作为舌苔的厚度，研制了以计算机为核心的数字化中医舌象分析仪。蒋依吾则提出从舌苔与舌质之相对色泽对比来判定厚薄程度，当对比差距越大时，则苔越厚；反之，当对比差距越小时，则苔越薄。而根据薄舌苔的纹理较为粗糙、厚舌苔的纹理较为细腻这一原理，刘宇博提出可以运用舌苔区域的傅里叶（Fourier）能量谱的方法鉴别舌苔的厚薄）。

3.苔润燥舌苔润燥主要根据舌图像表面的亮度进行测量，目前主要运用二分光反射模型。苏开娜等采用图像处理技术进行舌苔润燥分析，提出了一种基于二分光反射模型的有效方法：首先检测出舌苔图像上的较高亮度区域；进而识别出其中真正的亮斑区；再依据亮斑的有无、大小和亮度特性得出舌苔润燥分类。以苏开娜的研究为基础，蔡轶珩将该算法进行了改进：通过分析水分亮斑区与较亮本色区在彩色空间中的不同色簇分布情况，实现对水分亮斑区的识别。利用该算法对400例舌象进行了分析，识别准确率约为80%，大大高于原算法的符合率。谢涛等的研究则提出了舌苔润燥的量化测量指标——润燥系数，在对舌苔图像水分亮斑区标记的前提下，再计算其相对面积S和相对亮度L的乘积，即为润燥系数。相对面积S表示亮斑区面积与舌苔总面巧之比，相对亮度L表示亮斑区的平均亮度与舌像最大亮度的比值。由于亮斑区是舌苔润燥程度的直接表现形式，因此可通过衡量亮斑区的参数来间接量化润燥程度。

4.苔腐腻苔腐腻主要根据舌苔的纹理特征进行测量。朱洁华等用CIEL×u×v×彩色空间模式，利用分层Kmeans聚类方法确定色彩类，并结合Gabor滤波器彩色对比特征与线性判断函数分析舌像纹理特征。113幅有效舌共12321个有效模块的实验表明：与专家判别比较，该方法对裂纹、嫩、腻3类舌象特征的相符率达90%以上。卫保国等首先采用改进的子空间法将舌苔区分为固定大小的块，对各块以投影长度比作为分类判别特征来分析纹理结构的疏密，可信度不够高时再结合表达颗粒粗细的纹理粗糙度特征进行分类。在分类结果的基础上给出整幅舌图像的腐腻指数和描述。结果表明图像的识别结果正确率为83%。许家佗等根据腻苔的苔质颗粒细腻致密，腐苔颗粒粗大，糙苔干结粗糙等纹理特征，应用灰度差分统计方法，进行舌象纹理的量化和定义分类，总体识别率达到了74%。

5.综合测量苔色、苔质各方面的特征密切相关，更多的研究侧重于对苔色、苔厚薄、苔腐腻的综合测量。

有学者同时测量苔色和苔厚薄。沈兰荪教授团队利用多类支持向量机学习算法（CTSVM）对苔色和舌苔的厚度定性和定量描述（共分为白苔、白厚苔、薄白苔，黄苔、薄黄苔、黄厚苔，褐苔、灰苔、黑苔共9种），用北京中医医院拍摄的300例舌图像进行了舌苔特征分析的实验，以是否符合中医专家的临床判断为评价标准，发现对苔色判别的符合率达98%，对舌苔厚度的符合率达94%。该课题组还对多类支持向量机方法的比较，并结合舌象样本的特点，进一步提出一种DAG和决策树结合应用于舌色苔色识别的方法。实验结果表明，该方法在保证识别速度的同时，识别率有了进一步提高（平均正确识别率为9387%）。刘关松等提出一种基于神经网络集成的舌苔自动分类方法，结果表明该方法能较好的分别出5类舌苔（薄白苔，白苔，薄黄苔，黄苔和灰黑苔）。周越等应用了2DGabor小波变换和色度信息检测舌体区域，运用统计方法标定舌苔点以及确定其颜色（舌苔颜色分为白、亮黄和黄），通过色度信息和2DGabor小波系数能量（GWTE）量化舌苔的厚度，实验结果证明，该方法行之有效。

有学者同时对苔厚薄和腐腻进行测量。如台湾的ChiuCC通过灰度共生矩阵的能量特征，检测舌体四个子区腻苔的有无[25]。该研究团队还利用首先运用结构识别方法分成区域，利用RGB彩色模型结合传统纹理算法并研究厚薄苔与腻苔的定量标准[26]。张季等基于舌图像纹理的粗糙、疏密度和图像亮度等参数与舌苔厚薄、腐腻、润燥等特征具有较高相关度，提出采用可采用分形维数这一稳定的数据量实现苔厚薄、腐腻的标准[27]。也有研究对苔质纹理特征算法进行了探索，包括采用禁忌算法和神经网络的结合等。

有学者同时对苔的苔色、厚薄和腐腻进行了综合测量。丁明等采用L×a×b彩色模式研究苔色，利用模式识别得到8类舌苔（薄白、薄黄、白腻、黄腻、厚黄腻、厚白腻、灰黑、水滑）的分类结果[29]。该方法分类判别的效果与一般临床报道大致相符，但并未与中医专家目视进行比较。张萌等以模式识别、图像处理和中医舌诊理论为研究基础，结合中医诊断规则，采用一种新的基于集成学习的AdaBoost算法，数据表明，对苔黄、苔白、苔薄、苔厚、少苔、苔腻系统的识别速度和准确率令人满意，并且随着样本集的数量不断增大，通过重新训练，识别的准确率将随之提高。另有学者提出了可以利用被动式的三维重建，实现舌象的立体显示。其外，有学者基于颜色特征提示区别舌苔和舌质，纹理特征计算子图像的能量，几何特征分析舌形状以及舌厚度，有形物质包含了红刺、瘀斑瘀点、齿痕、舌纹等特征的检测，开发了计算机自动舌像分析系统。

其他研究还涉及舌苔从舌体中分离，刘明等的研究高光谱成像技术用于中医舌诊舌苔信息的提取中，运用500～600nm波段之间舌体高光谱信息，可以反映舌质与舌苔部位反射光信息的差异，从而为舌苔与舌质的分离客观依据。王学民等提出物体显色原理以及光的三原色原理，提出一种基于双光源的舌质舌苔分离方法，对白光和绿光舌象分别利用Snakes算法和人工交互的方式进行自动与半自动分割，再利用基于互信息的图像配准方法使分割得到的2个舌体图像各部分基本对齐，最后对配准后的白、绿光舌体图像应用相同的K均值聚类（Kmeans）算法进行舌质舌苔分离，并将2者分离结果进行比较。