论文部分内容阅读
中医根据“四诊”检查、判断人体气血、阴阳的生理与病理状态。中医“四诊”分为望、闻、问、切,舌诊作为望诊重要部分,是中医诊病的重要依据。舌质作为舌诊的重要内容,其本身反映人体的阴阳虚实情况,传统舌质由中医医师通过肉眼观察并依据诊疗经验作出诊断意见。医生诊疗技能水平及外界环境条件会直接影响诊断结果,使得舌质存在客观化不足,可重复性低等问题。本文从中医舌质的角度出发,引入图像处理技术,实现舌质图像定性、定量研究,主要包括舌质裂纹舌识别、齿痕舌识别、质色识别三部分核心内容,并使用C#进行服务端开发,使用WPF实现中医舌质诊疗推荐系统平台。论文工作内容如下:1.采用基于快速区域卷积神经网络(Faster Region Convolution Neural Network,R-CNN,Faster R-CNN)方法识别裂纹舌,针对舌象数据样本不足,采用数据增强方法对数据集做扩充处理,使用LabelImg标注工具处理裂纹舌数据集,通过构建网络特征提取器提取目标裂纹特征,构建区域建议网络生成裂纹区域建议框,通过区域建议框的分类与回归识别裂纹舌。通过ZFNet,VGG16和ResNet101网络提取器及区域建议网络进行实验,识别准确率分别达69.61%,77.40%和74.58%。2.采用卷积神经网络和多实例学习相结合的方法开展齿痕舌识别,首先采用二维伽马函数对舌象数据样本作亮度矫正,使用颜色衰减和凸包检测生成疑似齿痕区域,然后将疑似齿痕区域输入至卷积神经网络中提取齿痕特征,最后通过多实例分类器进行齿痕舌识别。通过在ZFNet,Mi-SVM+ZFNet,LMMK+ZFNet,LSK+ZFNet,VGG16,Mi-SVM+VGG16,LMMK+VGG16,LSK+VGG16模型上进行对比实验,识别准确率分别为62.52%,65.46%,64.58%,68.70%,69.81%、73.53%,70.21%和76.30%。3.采用基于改进的同态滤波进行舌体质色识别中的光照预处理,采用模糊C均值聚类分离舌质与舌苔并提取质色特征,在RGB,HSV,Lab颜色空间模型中,通过KNN,SVM,CNN,Bayes进行质色识别,平均识别准确率达57.84%,81.36%,67.37%和65.26%。4.采用Visual Studio开发工具和MySQL数据库设计并实现中医舌质诊疗推荐平台,完成舌象信息录入、舌象特征标记及中医治疗方案的推荐功能,可以实现通过舌质特征为患者推荐中医诊疗方案。