基于Web的針刺面部穴位定位、處方學習和虛擬仿真系統的研發

楊旭明，彭昊宇2，方 琢3，徐凌宇2，朱 政

伴隨著中醫針灸熱在全世界的興起,世界衛生組織(WHO)、美國國立衛生研究院(NIH)等對針灸的有效性、安全性和科學性給予了充分肯定，針灸醫學已成為世界醫學的重要組成部分[1]。

針灸臨床循證診療決策分析主要集中在兩方面：一是根據患者癥狀和體征進行診斷和辨證決策；二是分析穴位運用規律并綜合針灸療效、刺激方法、治療時間等多種相關因素，得到最優化的針刺治療方案[2]。針灸學科的生命力在于其療效，對很多面部疾病，如青少年近視眼[3]、干眼癥[4]、過敏性鼻炎[5]和周圍性面癱[6]，針灸都具有顯著的治療效果。針灸治病講究“理”“法”“方”“穴”“術”的有機配合。其中“穴”包含對穴位的準確定位，歷代醫家都對此十分重視，《太平圣惠方》曰：“穴點以差訛，治病全然紕繆”。

1 研究現狀

1.1 目前存在的問題

穴位的正確定位是針灸治療的基礎，能確保治療的安全性和有效性。中醫先輩們發明的傳統穴位定位方法可追溯到公元前2900年，經過歷代中醫先輩的共同努力，目前在臨床上有體表解剖標志定位法、“骨度”折量定位法、指寸定位法3種穴位定位方法。這3種方法在應用時相結合，即以體表解剖標志為主，折量各部位的距離分寸，并用手指比量，從而確定穴位位置[7]。但這種傳統的點穴法是一種較為主觀的點穴方法，需要較長時間的學習和實踐才能正確掌握。對于針灸初學者而言，穴位的準確位置相對模糊，再加上面部針刺，特別是眼部針刺對于施針者的技術要求非常高，就是專業針灸師也必須自揣己才，初學針刺者更不敢輕易嘗試，不利于面部針刺技能的學習傳承與推廣應用。此外，適合的穴位配伍也是治病療效的關鍵，優選配穴方案(如專家針灸處方)的目的是加強穴位之間的協同作用，提升治病療效。

為了實現傳承創新，2002年澳大利亞學者對兩種現代方法(彈性和標尺)與兩種傳統方法(定向和比例)進行了試驗驗證比較[8]，最終結果確認，盡管傳統方法精確性沒有新方法高，但使用方便，較適合實際臨床應用，而兩種更為精確的現代方法普遍不受歡迎。2012年，根據中國美術理論中最基本的人臉結構理論“三庭五眼”規則[9]，中國學者趙陽等[10]對面部特征進行分區，采用Minimum Eigenvalue算子檢測面部特征的角點、Log算子檢測面部特征的邊緣，綜合應用角點和邊緣信息，定位各面部特征的位置，最后以面部特征的位置作為參考坐標，完成面部穴位的定位，且根據左右面部穴位點溫度的差異，自動選擇貝爾面癱針灸穴位治療。但是，由于目標面部圖像的不規范性，會導致某些穴位定位準確率較低。

總之，由于不可靠或不準確的穴位定位方法而導致的針灸治療結果的任何變化都可能最終反映在臨床實踐和試驗研究中[11],會阻礙此技能的學習、傳承和推廣。

1.2 運用計算機技術實現中醫針灸的傳承和推廣

目前面部穴位定位及針灸處方的學習與實踐，主要以書本、人體模型或真人以及視頻等為教學媒體，通過課堂講授、實驗等形式進行知識傳授，難以讓學習者根據需要進行反復、深入的學習實踐及完成客觀成績評價。因此，提供一個低風險、高效能而又興趣濃厚的學習環境，讓針灸學習者在計算機虛擬環境里進行面部穴位的點穴練習、磨合、自我測試以及針灸處方的學習，評估自己的學習成績，完成“實踐-認識-再實踐-再認識”的飛躍和提高，是十分必要的。

通過計算機人臉識別技術建立基于Web網絡的虛擬仿真面部穴位定位坐標系，并完成多位針灸專家對同一穴位點定位的數據采集，建立原始專家面部穴位定位數據庫，通過一致性信息融合算法獲取多位專家對某個穴位定位的最佳“精準性”的穴位點坐標數據值。構建面部穴位和針灸處方的專家知識庫，實現虛擬仿真面部穴位定位與處方學習、成績評定以及運用模式匹配方法對新上傳的圖片進行面部穴位的自動化定位，獲取“專家對新上傳圖片面部穴位定位與針灸處方的近似最優值”，為面部穴位和針灸處方的學習提供參考，為廣大學生與人民群眾自行進行面部穴位定位、疾病預防和保健按摩等提供指導，為寶貴的臨床經驗的傳承提供共享平臺，為針刺治療自動化和穴位解剖的深層次研究創造更好的條件。因此，虛擬仿真面部穴位定位坐標系統的研究有助于針灸技術的傳承發展、質量控制與普及提高，并使其朝著客觀化、標準化、規范化方向快速發展，對推動中醫藥事業實現數字化、現代化具有深遠的意義。

2 虛擬仿真面部穴位定位坐標系統的建立

2.1 人臉識別技術的應用

將人臉識別技術運用于中醫針灸學科中的面部穴位定位、處方學習是未來必然的發展方向。人臉圖像中所包含的模式特征十分豐富，如Haar 特征、顏色特征、直方圖特征、模板特征、結構特征等。人臉檢測即挑選出有用的特征信息，實現對人臉的檢測。

本系統中的人臉識別采用Haar cascade分類器，使用AdaBoost算法[12-13]，把AdaBoost算法訓練出的強分類器進行級聯，并且在底層的特征提取中采用高效率的矩形特征和積分圖方法。此算法有4個要點。

一是使用Haar-like特征進行檢測。Haar-like特征是人臉檢測時子窗口下該區域的像素根據一定公式算出來的值。之后用訓練好的級聯分類器對該特征進行篩選，一旦該特征通過了所有強分類器的篩選，則判定該區域為人臉。

二是使用積分圖(Integral Image)對Haar-like特征求值進行加速。矩形特征的特征值計算僅與此特征端點的積分圖有關，而與圖像坐標值無關，所以無論此矩形特征的尺度怎么樣，對特征值的計算所耗費的時間都是常量(僅做簡單的加減運算)。因此引入積分圖將有效提高分類器的檢測速度。

三是使用AdaBoost算法訓練區分人臉和非人臉的強分類器。人臉檢測過程中使用算法挑選出一些最能代表人臉的矩形特征(弱分類器)，按照一定方式(如加權投票方法)把弱分類器構建為一個強分類器，再將訓練得到的若干強分類器串聯組成一個級聯結構的層疊分類器，以便有效提高分類器的檢測速度。

四是使用篩選式級聯把強分類器級聯到一起，提高準確率。

綜上所述，人臉識別技術有助于創建坐標系。

2.2 圖像預處理與構建坐標系

基于人臉檢測結果對人臉的圖像進行預處理，將有利于其特征的有效提取。由于獲取的原始圖像會受到各種條件的限制以及隨機干擾因素的影響，一般不能被直接使用，需要在早期的圖像處理階段對其進行噪聲過濾、灰度校正等圖像的預處理。就人臉圖像而言，它的預處理過程主要包括人臉圖像的光線補償、灰度變換、直方圖均衡化、歸一化、幾何校正、濾波及銳化等。

用AdaBoost算法識別人臉后，以識別出的兩只眼睛瞳孔連線的中點作為坐標軸的原點，用兩眼瞳孔的連接直線作為x軸，構建以瞳孔、眼眶、臉型為依據的臉型坐標系。由于拍攝時一個人幾乎不可能完美地坐著，每張照片的坐標系的x軸不一定是水平的。為了確保人臉數據的通用性，不同的人臉要被歸一化，每張照片都以該人臉自己的屬性為基準建立坐標系。通過反復實驗，在此選用1/80的瞳距作為一個單位來解決面部尺寸不同的問題。

3 穴位定位的信息融合算法

由獲取的針刺點穴專家操作數據完成面部穴位點的定位(圖1)。

圖1 面部穴位定位坐標數據獲取系統

如圖1所示，系統可讓每個專家在已識別出的人臉界面上，按序直接點擊人臉圖像中該穴位所在的位置，記錄穴位的具體坐標值。每個專家完成面部同一穴位點定位操作后，這一組穴位點坐標數據就按一定的格式，同圖片一起保存到對應的文件夾中。經過專家對多張人臉的精準點穴，再將數據進行保存，就獲得了多張人臉圖片穴位數據。因此，獲取多個專家對面部穴位點定位的數據后，就可以構建專家面部穴位、處方定位的數據庫。

本系統可從針灸專家數據庫中獲取每位專家對每個穴位定位的“源數據”，通過計算可得到每個專家的得分系數、專家的修正系數、專家的“一致性”支持系數，再運用信息融合算法獲得多位專家定位每個穴位點的“逐點變精度”的融合結果，即得到每個穴位的“最佳精準性”坐標值。此算法是基于測量值之間的一致性矩陣的逐點變精度融合方法，具體步驟如下。

第一步，根據各位針灸專家穴位定位對同一批目標值測量結果平均值的差異，計算每位針灸專家穴位定位和專家本人技術能力評分的系統誤差，并提出系統誤差修正系數。

第二步，由于穴位在體表呈現的是一個有一定直徑的圓形區域(直徑約5～8毫米)，所以根據每位針灸專家穴位定位的系統誤差區間與對同一測量目標的測量結果的交集，計算每個穴位點各位專家數據之間的一致性支持情況和各測量值的權重。

第三步，通過對系統誤差的修正，由不同針灸專家穴位定位對同一測量目標的測量值之間的一致性權重，計算得到多位針灸專家定位某個穴位點的“最佳精準性”融合值，從而完成專家知識庫的構建[14]。

4 基于Web的可視化學習界面

4.1 點穴評估方法

以針灸專家知識庫中的每個穴位的“最佳精準性”融合值作為數據坐標值，按照專家治療不同疾病的針灸處方，在人臉界面上展示出不同針灸處方的穴位點。系統的界面左側是圖片選擇區域，通過“上一張”“下一張”的選擇按鈕能夠找到需要的圖片；在其右側選擇框中，可選擇不同疾病的針灸處方，點擊“疾病”按鈕，就能把知識庫中與此圖片對應的穴位點的“最佳精準性”融合值以紅點和穴位名的方式展現在面部圖片上(圖2)。

本功能模塊也可以讓所有的面部穴位全部展示出來，以供使用者學習或了解面部不同穴位的定位位置(可點擊“常用穴位”按鈕實現)。此坐標系的構建與面部穴位定位坐標數據獲取系統使用了同樣的原理，構建了相同的坐標系。本系統穴位展示功能是后端通過讀取知識庫中存儲的對應該圖片的穴位數據文件實現的，即當用戶點擊不同疾病的針灸處方時，就實現讀取文件的操作，按照用戶需求分類，讓知識庫中相應的坐標數據直接顯示在圖片的人臉區域上。

圖2 可視化學習界面

4.2 點穴定位與處方評分

操作者通過本系統進行點穴準確度學習練習，評分越高代表“點穴定位”或者“處方學習”的準確性越好。在操作者選擇完圖片之后，就可以通過單擊右側選項(如“干眼癥”)按鈕選擇需要的練習穴位、處方定位操作，此時圖2左側圖片上會顯示紅色對應的知識庫中專家確定的定位坐標點以及穴位的名稱，而系統會根據對應的選項，給操作者固定次數的點穴機會。如果操作者想進行“點穴測試練習”，就可點擊右側“開始測試”按鈕，此時左側紅色坐標點消失，操作者就可以在相應的圖片上點擊進行練習，并以綠色顯示點擊的點，完成后就可以得到此次練習的評分。其中，系統自動將庫中“最佳精準性”融合值的穴位點與操作者點擊的最近那一個點匹配為一對，并計算出兩點之間的距離，然后按如下公式計算得分。

式中n代表該“選項”需要練習的點穴的穴位個數，Ln代表操作者點穴的坐標值。

系統收入多位針灸專家認可的不同面部疾病治療的針灸處方，以針灸處方中的每個穴位點的“最佳精準性”融合值為依據，利用可視化學習界面的呈現，供學習者參考，實現穴位定位、針灸處方學習及成績評定。

5 采用模式匹配方法對上傳圖片實現穴位自動定位

運用現代信息理論中的人工智能為指導，選擇模式匹配的方法，對新上傳到本系統的圖片實現針灸穴位自動化定位。對于操作者上傳的、需讓專家進行定位的新圖片，先完成人臉識別之后對人臉進行單通道圖片轉換，得到一組直方圖數據，再讓其與知識庫中的圖片進行人臉相似度對比。其中主要的對比參數為嘴巴在臉上的位置、鼻子在臉上的位置、雙眼間距。通過對兩張圖片這幾項參數的對比，可較為準確地確定兩張人臉圖片是否有較大的相似度，從而在知識庫中選出相似度匹配最高的“檔案”圖片，由計算機自動將此圖片的穴位點定位坐標值或針灸處方數據值直接呈現到新上傳的圖片上，虛擬實現針灸穴位、處方的自動化定位。具體實現過程如下。

系統具有讓操作者上傳圖片的模塊，操作者僅需點擊功能按鈕即可上傳圖片。上傳圖片后，系統就將新上傳圖片的人臉的眼間距、鼻子、嘴巴在坐標系中的位置與已存儲在專家知識庫中的圖片進行對比，獲取一個相似度值，重復檢索、比較知識庫中的圖片。

選取知識庫中相似度最高的人臉圖片的穴位點數據作為新上傳圖片的穴位點數據并予以展示，從而獲取專家對上傳新人臉圖片的穴位定位的“近似最優值”。所以專家庫中的人臉圖片越多，此系統就越穩定。系統能夠及時更新和優化知識庫，通過不斷完善專家知識庫，可讓用戶上傳的人臉圖片的穴位標記越來越準確。

另外，系統還可以讓學習者利用其電腦上的攝像頭拍攝人臉圖片并上傳(使用者直視攝像頭，先點擊系統界面右上角的“拍照”，然后點擊“確認上傳”)，以便獲取人臉圖片的穴位點的“近似最優值”。

6 結語

運用現代科學技術，結合傳統中醫的經絡穴位理論，探索中醫經絡穴位新理論、新技術和新方法，大力發展中醫藥數字化，具有不可估量的經濟與社會價值。本系統在Web環境中呈現出“人臉識別及穴位數據采集可視化界面”和“可視化學習及自動化界面”，在前者數據采集界面中，完成針灸專家穴位定位點數據值的獲取；在后者學習界面中，完成“人-機”交互穴位定位學習、成績評定以及針灸處方定位的自動化實現。另外，采用逐點變精度的一致性信息融合算法，能夠獲取多個專家對同一穴位點的“最佳精確性”的坐標數據值，完成面部穴位點的專家知識庫的構建。此系統是目前最準確的面部穴位定位點的數據獲取系統，利用互聯網能夠讓國內外需要學習、實踐的人[15]隨時隨地將圖片上傳到系統進行穴位定位、針灸處方的學習、成績測定以及獲取專家點穴、處方學習數據的“近似最優值”。本系統將傳統的中醫針灸技術和現代計算機技術相結合，是中醫藥事業不斷適應時代潮流、與時俱進的體現，能為精確定位人臉穴位提供新思路，也為揭開中醫針灸兩個挑釁性的悖論之謎創造了前提條件[11]，是在傳統穴位定位方法基礎上的一個重大突破。相比國內傳統方法與新開發的穴位定位方法以及澳大利亞人研究的方法[16]，該方法具有先進性。“人臉面部穴位準確定位與針灸處方學習方法”已經取得發明專利，還取得了“面部穴位定位數據采集與學習成績評定系統”軟件著作權。利用互聯網平臺體現出了人機交互中重要的用戶友好型的設計理念，通過穴位、針灸處方學習對比的方式進行評分，互動式的學習環境能讓學習者對于自己穴位定位、處方學習的差距有更為直接、客觀的認識。