舌苔客觀測量的研究進展及問題分析

許偉明 王傳池 胡鏡清

(1 中國中醫科學院中醫基礎理論研究所，北京，100700; 2 湖北中醫藥大學，武漢，430065)

舌苔客觀測量的研究進展及問題分析

許偉明1王傳池2胡鏡清1

(1 中國中醫科學院中醫基礎理論研究所，北京，100700; 2 湖北中醫藥大學，武漢，430065)

舌苔是臨床辨證的重要依據，其客觀測量意義重大。該文系統總結了目前舌苔(包括苔色、厚薄、潤燥、腐膩)客觀測量的研究進展，提出了舌苔客觀測量研究中有待進一步解決的3個問題：舌苔分類標準有待進一步統一；舌象特征的采集以及報告規范有待進一步建立；舌苔測量儀器準確性評價不一致。

舌苔；客觀測量；研究進展；問題分析

舌苔是指覆蓋于舌面的一層薄垢。正常舌苔乃由胃氣上蒸所生，病理舌苔則多因邪氣上泛所致。《舌鑒辨證》指出“刮舌驗苔以辨疾病”，《形色外診簡摩》云：“有病，則舌必見于苔，病藏于中，苔顯于外”，說明舌苔對于反映疾病病情具有重要意義[1]。

舌苔作為臨床辨證的重要依據，其準確辨識和客觀測量是辨證規范化的基礎[2]。望舌苔，應注意觀察苔色和苔質，而苔質又包括苔的潤燥、腐膩、厚薄、松牢、剝落、有根無根等變化，本文總結近年來舌苔客觀測量方面研究進展的基礎，進而分析舌苔客觀測量研究中有待進一步解決的問題，希冀促進舌苔測量的客觀化和規范化。

1舌苔客觀測量研究進展

1.1 苔色 苔色測量常常與舌色測量同時進行。根據不同的顏色空間，苔色有不同的劃分標準，故設計了不同的舌診系統。翁維良等應用“中醫舌診專家系統”對927冠心病例患者苔色進行定量觀察，發現厚白膩、厚白、薄白膩等不同舌苔之間的RGB值差異有統計學意義(P<0.01)，并且舌苔的厚薄、腐膩等也明顯影響RGB值的變化，舌苔由白-黃-褐-灰黑的變化，其RGB值由高到低。苔色與舌苔的覆蓋面積也有一定的相關性[3]。沈蘭蓀教授團隊[4]將學習矢量量化(LVQ)神經網絡分類器應用到苔色自動分類中。其訓練樣本篩選基于2σ準則，色度空間的選擇則依據Fisher比率，對7幅測試舌圖像718個樣本的篩選實驗證明，該方法可有效提高了分類器的性能，與中醫專家目視判斷相一致。同時，沈蘭蓀教授團隊還基于監督FCM聚類算法，提出“模糊點”的概念，設計了多層去模糊處理，分類結果表明該方法既符合中醫舌診習慣的文字描述，還能給出偽彩色舌像圖，形象地表征苔色的分布情況(該團隊將舌苔顏色分為白苔、淡黃臺、黃苔、黃褐苔、灰黑苔)[5]。近年來，有學者利用北京工業大學沈蘭蓀教授研制的中醫舌象分析儀，發現采用視覺度量空間以及由此轉換而來的LCH顏色空間，對描述6種舌苔苔色更為直觀[6]。其外，李謹等[7]提出定量的光譜分析可用于舌苔的測量，從光譜中主要成份光強的綜合比例可以得出舌苔的顏色組成，從而使苔色得到量化。

1.2 苔厚薄 苔厚薄測量的原理不一。衛保國等首先分割了舌質與舌苔，并將舌苔見底程度的定量化結果作為舌苔的厚度，研制了以計算機為核心的數字化中醫舌象分析儀[8]。蔣依吾則提出從舌苔與舌質之相對色澤對比來判定厚薄程度，當對比差距越大時，則苔越厚；反之，當對比差距越小時，則苔越薄[9]。而根據薄舌苔的紋理較為粗糙、厚舌苔的紋理較為細膩這一原理，劉宇博提出可以運用舌苔區域的傅里葉(Fourier)能量譜的方法鑒別舌苔的厚薄)[10]。

1.3 苔潤燥 舌苔潤燥主要根據舌圖像表面的亮度進行測量，目前主要運用二分光反射模型。蘇開娜等采用圖像處理技術進行舌苔潤燥分析，提出了一種基于二分光反射模型的有效方法：首先檢測出舌苔圖像上的較高亮度區域；進而識別出其中真正的亮斑區；再依據亮斑的有無、大小和亮度特性得出舌苔潤燥分類[11]。以蘇開娜的研究為基礎，蔡軼珩將該算法進行了改進：通過分析水分亮斑區與較亮本色區在彩色空間中的不同色簇分布情況，實現對水分亮斑區的識別。利用該算法對400例舌象進行了分析，識別準確率約為80%，大大高于原算法的符合率[12]。謝濤等的研究則提出了舌苔潤燥的量化測量指標——潤燥系數，在對舌苔圖像水分亮斑區標記的前提下，再計算其相對面積S和相對亮度L的乘積，即為潤燥系數。相對面積S表示亮斑區面積與舌苔總面巧之比，相對亮度L表示亮斑區的平均亮度與舌像最大亮度的比值。由于亮斑區是舌苔潤燥程度的直接表現形式，因此可通過衡量亮斑區的參數來間接量化潤燥程度[13]。

1.4 苔腐膩 苔腐膩主要根據舌苔的紋理特征進行測量。朱潔華等用CIE L×u×v×彩色空間模式，利用分層K-means聚類方法確定色彩類，并結合Gabor濾波器彩色對比特征與線性判斷函數分析舌像紋理特征。113幅有效舌共12 321個有效模塊的實驗表明：與專家判別比較，該方法對裂紋、嫩、膩3類舌象特征的相符率達90%以上[14]。衛保國等首先采用改進的子空間法將舌苔區分為固定大小的塊，對各塊以投影長度比作為分類判別特征來分析紋理結構的疏密，可信度不夠高時再結合表達顆粒粗細的紋理粗糙度特征進行分類。在分類結果的基礎上給出整幅舌圖像的腐膩指數和描述。結果表明圖像的識別結果正確率為83%[15]。許家佗等根據膩苔的苔質顆粒細膩致密，腐苔顆粒粗大，糙苔干結粗糙等紋理特征，應用灰度差分統計方法，進行舌象紋理的量化和定義分類，總體識別率達到了74%[16]。

1.5 綜合測量 苔色、苔質各方面的特征密切相關，更多的研究側重于對苔色、苔厚薄、苔腐膩的綜合測量。

有學者同時測量苔色和苔厚薄。沈蘭蓀教授團隊利用多類支持向量機學習算法(CTSVM)對苔色和舌苔的厚度定性和定量描述(共分為白苔、白厚苔、薄白苔，黃苔、薄黃苔、黃厚苔，褐苔、灰苔、黑苔共9種)，用北京中醫醫院拍攝的300例舌圖像進行了舌苔特征分析的實驗，以是否符合中醫專家的臨床判斷為評價標準，發現對苔色判別的符合率達98%，對舌苔厚度的符合率達94%[17-18]。該課題組還對多類支持向量機方法的比較，并結合舌象樣本的特點，進一步提出一種DAG和決策樹結合應用于舌色苔色識別的方法。實驗結果表明，該方法在保證識別速度的同時，識別率有了進一步提高(平均正確識別率為93.87%)[19-20]。劉關松等[21-22]提出一種基于神經網絡集成的舌苔自動分類方法，結果表明該方法能較好的分別出5類舌苔(薄白苔，白苔，薄黃苔，黃苔和灰黑苔)。周越等應用了2D Gabor小波變換和色度信息檢測舌體區域，運用統計方法標定舌苔點以及確定其顏色(舌苔顏色分為白、亮黃和黃)，通過色度信息和2D Gabor小波系數能量(GWTE)量化舌苔的厚度，實驗結果證明，該方法行之有效[23-24]。

有學者同時對苔厚薄和腐膩進行測量。如臺灣的Chiu CC通過灰度共生矩陣的能量特征，檢測舌體四個子區膩苔的有無[25]。該研究團隊還利用首先運用結構識別方法分成區域，利用RGB彩色模型結合傳統紋理算法并研究厚薄苔與膩苔的定量標準[26]。張季等基于舌圖像紋理的粗糙、疏密度和圖像亮度等參數與舌苔厚薄、腐膩、潤燥等特征具有較高相關度，提出采用可采用分形維數這一穩定的數據量實現苔厚薄、腐膩的標準[27]。也有研究對苔質紋理特征算法進行了探索，包括采用禁忌算法和神經網絡的結合等[28]。

有學者同時對苔的苔色、厚薄和腐膩進行了綜合測量。丁明等采用L×a×b彩色模式研究苔色，利用模式識別得到8類舌苔(薄白、薄黃、白膩、黃膩、厚黃膩、厚白膩、灰黑、水滑)的分類結果[29]。該方法分類判別的效果與一般臨床報道大致相符，但并未與中醫專家目視進行比較。張萌等以模式識別、圖像處理和中醫舌診理論為研究基礎，結合中醫診斷規則，采用一種新的基于集成學習的AdaBoost算法，數據表明，對苔黃、苔白、苔薄、苔厚、少苔、苔膩系統的識別速度和準確率令人滿意，并且隨著樣本集的數量不斷增大，通過重新訓練，識別的準確率將隨之提高[30]。另有學者提出了可以利用被動式的三維重建，實現舌象的立體顯示[31]。其外，有學者基于顏色特征提示區別舌苔和舌質，紋理特征計算子圖像的能量，幾何特征分析舌形狀以及舌厚度，有形物質包含了紅刺、瘀斑瘀點、齒痕、舌紋等特征的檢測，開發了計算機自動舌像分析系統[32]。

其他研究還涉及舌苔從舌體中分離，劉明等的研究高光譜成像技術用于中醫舌診舌苔信息的提取中，運用500～600 nm波段之間舌體高光譜信息，可以反映舌質與舌苔部位反射光信息的差異，從而為舌苔與舌質的分離提供客觀依據[33]。王學民等提出物體顯色原理以及光的三原色原理，提出一種基于雙光源的舌質舌苔分離方法，對白光和綠光舌象分別利用Snakes算法和人工交互的方式進行自動與半自動分割，再利用基于互信息的圖像配準方法使分割得到的2個舌體圖像各部分基本對齊，最后對配準后的白、綠光舌體圖像應用相同的K均值聚類(K-means)算法進行舌質舌苔分離，并將2者分離結果進行比較[34]。

2小結

從以上研究可以看出，苔色的測量主要根據不同的顏色空間進行劃分，舌苔的厚薄則從舌苔見底程度、舌苔與舌質之相對色澤對比、舌苔的紋理等角度進行測量，舌苔潤燥主要根據舌圖像表面的亮度測量，苔腐膩主要根據舌苔的紋理特征進行測量。其外，更多的研究涉及苔色、苔厚薄、苔腐膩的綜合測量。隨著多學科的參與、多種先進科技手段的應用，目前舌苔的客觀測量在苔色、厚薄、潤燥、腐膩及綜合測量等方面均取得了積極進展。

3討論

舌苔的客觀測量雖已取得不少進展，但目前尚未出現一種得到業界廣泛公認、臨床廣泛應用的舌診測量儀器。我們認為，下述問題的進一步解決，將有助于推動舌苔客觀量化研究。

3.1 舌苔分類標準有待進一步統一 傳統的舌診同時受到主觀經驗和客觀環境的影響，同一分類的相鄰屬性之間容易出現混淆[35]。如上文提及的關于舌苔的分類中，沈蘭蓀教授團隊分為白苔、白厚苔、薄白苔，黃苔、薄黃苔、黃厚苔，褐苔、灰苔、黑苔共9類，劉關松等則分別出5類舌苔(薄白苔，白苔，薄黃苔，黃苔和灰黑苔，丁明等則得到了8類舌苔(薄白、薄黃、白膩、黃膩、厚黃膩、厚白膩、灰黑、水滑)，可以說，目前為止尚未形成一個統一的客觀、量化的診斷標準。因此，我們呼吁，在舌診客觀條件相對成熟的情況下，有必要制定一套統一的、得到學界公認的舌診客觀量化診斷標準，這是舌苔客觀量化的前提和基礎[36]。

3.2 舌象特征的采集以及報告規范有待進一步建立 舌苔同舌質比較，舌苔變化更迅速，影響因素更多。除了脾胃病變等疾病因素外，飲食不潔、藥物、季節氣候、體質[36-37]等其他多種因素都能對舌苔的變化產生影響，這些因素對舌苔變化的影響程度不一、時間不等，給舌苔的客觀測量帶來了一定的難度。如膩苔一項，腫瘤患者舌苔圖像對應細而密的灰度紋理，而非腫瘤患者的膩苔圖像對應的灰度紋理較復雜[38]；還有醫家提出黃苔非皆主熱證，黃膩苔不純屬濕熱[39-40]等。《中藥新藥臨床研究四診客觀化專家共識》指出：“倡議行業學會組織有關專家，在國家有關部門指導下，成立專題工作組，著力協調、引導，率先建立具有行業指導性、統一的中醫四診臨床信息采集及其報告的行業標準/規范”[41]，這一點對于舌苔的客觀測量也同樣適用。

3.3 舌苔測量儀器準確性評價不一致 目前，現有舌象儀等客觀測量儀器準確性的評價，主要依據是舌象儀判斷與專家判斷的吻合率。但由于中醫臨床經驗的多樣性，目前尚未形成舌象診斷專家共識，導致不同儀器之間無法用統一的評價指標進行比較。比如，研究者采用RGB、HSV、Lab等各種不同的色彩模式進行判別，如何進行比較也是研究的難點之一[42]。同時，設計嚴謹的，同時能計算得出敏感度、特異度的舌象診斷性試驗開展也尚不多見。

[1]耿乃志,曹蕊.冠心病舌象的現代研究進展[J].中醫藥信息,2010,27(3):131-133.

[2]王永宏,楊志剛,李韻霞.中醫舌診客觀化研究現狀與展望[J].中醫雜志,2004,45(2):150-152.

[3]翁維良,黃世敬.中醫舌診客觀化研究[J].中國工程科學,2001,3(1):78-82.

[4]王愛民,趙忠旭,沈蘭蓀.中醫舌象自動分析中舌色、苔色分類方法的研究[J].北京生物醫學工程,2000,19(3):136-141.

[5]王愛民,沈蘭蓀,趙忠旭.監督FCM聚類算法及其在中醫舌像自動分類中的應用[J].模式識別與人工智能,1999,12(4):480-485.

[6]陳松鶴,梁嶸,王召平.6種舌苔顏色數據的三維分布特征的描述[J].時珍國醫國藥,2009,20(11):2852-2854.

[7]李謹,李媛.舌苔的光譜分析[J].陜西中醫學院學報,2002,25(3):67.

[8]衛保國,沈蘭蓀.數字化中醫舌象分析儀[J].中國醫療器械雜志,2002,26(3):164-166.

[9]蔣依吾,陳建仲,張恒鴻,等.電腦化中醫舌診系統[J].中國中西醫結合雜志,2000,20(2):145-147.

[10]劉宇博.舌體圖像分割與特征提取技術的研究與應用[D].沈陽:沈陽師范大學,2012.

[11]蘇開娜,盧翔飛.基于圖象處理的舌苔潤燥分析方法的研究[J].中國圖象圖形學報:A輯,1999,4(4):345-348.

[12]蔡軼珩,沈蘭蓀.二分光反射模型在中醫舌苔潤燥分析中的應用[J].電子學報,2004,32(6):1026-1028.

[13]謝濤.基于圖像處理的舌像分割及潤燥識別研究[D].上海:華東理工大學,2017.

[14]朱潔華,阮邦志,勵俊雄,等.舌診客觀化研究的一種圖像處理方法[J].中國生物醫學工程學報,2001,20(2):132-137.

[15]衛保國,沈蘭蓀,蔡軼珩,等.中醫舌苔腐膩分析算法的研究[J].電子學報,2003,31(12A):2083-2086.

[16]許家佗,孫煬,張志楓,等.基于差分統計方法的舌象紋理特征的分析與識別[J].上海中醫藥大學學報,2003,17(3):55-58.

[17]王愛民.用于舌診客觀化的圖像分析技術的研究[D].北京:北京工業大學,2001.

[18]沈蘭蓀,王愛民,衛保國,等.圖像分析技術在舌診客觀化中的應用[J].電子學報,2001,29(12A):1762-1765.

[19]李曉宇,張新峰,沈蘭蓀.基于支撐向量機的中醫舌色苔色識別算法研究[J].北京生物醫學工程,2006,25(1):43-46.

[20]張新峰,沈蘭蓀.加權SVM在中醫舌象分類與識別中的應用研究[J].中國生物醫學工程學報,2006,25(2):230-233.

[21]劉關松,徐建國,高敦岳.基于神經網絡集成的舌苔分類方法[J].計算機工程,2003,29(14):100-102.

[22]沈蘭蓀,蔡軼珩,衛保國,等.中醫舌象分析技術的研究[J].世界科學技術-中醫藥現代化,2003,5(1):15.

[23]周越,沈利,楊杰.基于圖像處理的中醫舌象特征分析方法[J].紅外與激光工程,2002,31(6):490-494.

[24]周越,楊杰,沈利.中醫舌象信息的數字化方法研究[J].生物醫學工程學雜志,2005,21(6):917-920.

[25]Chiu CC.A novel approach based on computerized image analysis for traditional Chinese medical diagnosis of the tongue[J].Computer methods and programs in biomedicine,2000,61(2):77-89.

[26]Chiu CC，Lin HS,Lin SL.A structur altex ture recognition approach form edical diagnosis through tongue[J].Biomed.Eng.Appl.BasisCommun,1995(72):143-148.

[27]張季,錢峻,董海艷,等.基于分形理論的中醫數字化舌象苔質紋理分析[J].中華中醫藥雜志,2016,31(1):104-106.

[28]闕宜萌.舌體的特征提取與輔助中醫舌象診斷系統的應用與研究[D].昆明:昆明理工大學,2006.

[29]丁明,張建正.基于L×a×b×彩色模式的舌苔定量描述和分類[J].儀器儀表學報,2002,23(3):328-330.

[30]張萌,胡顯偉,王元斌,等.AdaBoost算法在中醫舌診圖像分區識別中的研究[J].小型微型計算機系統,2008,29(6):1149-1153.

[31]郭世珍,田飛,趙靜,等.基于光學被動式三維測量技術在立體舌象中的探究[J].電腦知識與技術,2014,10(24):5750-5751.

[32]朱顥.全方位舌像特征提取及多核學習分類[D].哈爾濱:哈爾濱工業大學,2011.

[33]劉明,趙靜,李剛,等.高光譜成像用于中醫舌診舌苔信息提取[J].光譜學與光譜分析，2017,37(1):162-165.

[34]王學民,呂元婷,王瑞云,等.基于雙光源的舌質舌苔分離方法研究[J].納米技術與精密工程，2016,14(6):434-439.

[35]石強.不同中醫師對舌象觀察結果一致性的研究[J].江蘇中醫藥,2007,39(8):60-61.

[36]岳小強,劉慶.對舌診現代研究的幾點思考[J].山東中醫藥大學學報,2003,27(5):327-329.

[37]李娜,劉群,李曉娟,等.膩苔成因與辨證的文獻研究[J].環球中醫藥,2014,7(8):619-621.

[38]龔一萍,倪美文,陳海燕,等.癌癥與非癌癥膩苔的定量研究[J].中華中醫藥雜志,2007,22(9)：607-608.

[39]王志宏.黃厚濁膩苔非盡濕熱[J].河南中醫,1991,11(5):14.

[40]劉耕野.黃膩苔主病舉要[J].湖南中醫雜志,2003,19(1):50.

[41]胡鏡清,任德權,劉平,等.中藥新藥臨床研究四診客觀化專家共識[J].中國中藥雜志，2014,39(2):327.

[42]蔣沈華,林江.舌象客觀化及舌苔本質研究進展[J].上海中醫藥雜志,2016,7(50):94-97.

(2017-07-26收稿 責任編輯：張文婷)

ResearchProgressandProblemsAnalysisofObjectiveMeasurementofTongFur

Xu Weiming1,Wang Chuanchi2,Hu Jingqing1

(1InstituteofBasicTheoryforChineseMedicine,ChinaAcademyofChineseMedicineScience,Beijing100700,China; 2HubeiUniversityofTraditionalChineseMedicine,Wuhan430065,China)

Tong fur is an important evidence for clinical pattern differentiation with great significance in objective measurement.This article systematically summarized the research progress of tong fur including color,thickness,dryness,greasy and putrid.The article proposed three problems to be further solved:Firstly,tongue fur classification criteria needs to be further unified; Secondly,the standard of tongue fur feature collection and reporting needs to be further established; Thirdly,the accuracy evaluation of tongue measurement instrument needs to become consistent.

Tong Fur; Objective measurement; Research progress; Problems analysis

R241.25

：Adoi：10.3969/j.issn.1673-7202.2017.09.003

國家重點基礎研究發展計劃(973計劃)項目(2014CB542903)——“基于冠心病痰瘀互結證辨證方法的創新研究”；國家重大新藥創制科技重大專項課題(2013ZX09303301)——“中藥新藥臨床研究技術平臺規范建設”；中國中醫科學院中醫基礎理論研究所自主選題研究項目(YZ-1668)

許偉明(1988.12—)，男，2015級在讀博士研究生，研究方向：中醫證候臨床辨證的應用研究，E-mail：xuweiming1989@163.com

胡鏡清(1965.12—)，男，博士，博士研究生導師，研究員，研究方向：適應中醫藥理論構筑與診療模式的臨床方法研究，E-mail：gcp306@126.com