基于機器學習的舌象識別與HSL的舌苔分類的研究

劉嘉誠

摘要：近代，隨著生活水平的不斷發展，廣大人民群眾對于醫療健康的需求也不斷提高，相應的醫療技術手段也在提升。在這樣的背景下，我們團隊提出了一個想法，能否將新技術與傳統的中醫相結合？經過前期的調研分析，并結合自身專業方向，最終選定中醫舌診與人工智能技術相結合進行研究，實現了患者舌象的識別、分割、分析判斷并給出參考診斷建議的功能，且經實驗算法的識別率和準確率都有較為不錯的結果。

關鍵詞：中醫舌診;計算機視覺;機器學習;舌象分類

1.引言

“望”“聞”“問”“切”是中醫診治的重要組成部分，其重要性不言而喻，然而傳統的四診方法較為模糊，缺乏客觀的指標，且醫生經驗性較強，主要依賴于醫師各自的經驗進行判斷，缺乏先進的診斷理念與技術手段，存在一定的局限性。改變傳統診斷方式，將人工智能運用到中醫診斷之中，建立科學標準的診斷模式是近年來中醫診斷發展的新方向，尤其是 AI 輔助中醫臨床的過去、現在以及面臨的難點與瓶頸，旨在更好的思考智能中醫的發展方向與未來。AI四診合參模型算法+病情跟蹤功能代替醫生重復性工作，減少重復的工作量，因此依靠計算機技術來對舌診進行輔助診斷也是一個可行的方向。

2.舌象訓練分析

2.1數據集整理

通過與校外公司聯系，取得了約300張彩色舌象圖片，實際上是來源于本地醫院的研究數據。將圖像進行裁剪得到統一的大小60×60，并進行灰度轉換，便于后續的訓練。

2.2舌象識別

（1）圖像識別基礎

首先人工分類正負樣本，將幾乎只有舌頭的樣本作為正樣本，免去了標注的工作，然后記錄在本文文件中以供后續讀取。圖像識別是人工智能的一個重要領域，他的發展經歷了三個階段：文字識別、數字圖像處理與識別、物體識別。圖像識別，顧名思義，就是對圖像做出各種處理、分析，最終識別我們所要研究的目標。通過分類并提取重要特征而排除多余的信息來識別圖像，機器所提取出的這些特征有時會非常明顯，有時又是很普通，這在很大的程度上影響了機器識別的速率。

（2）OpenCV簡介

OpenCV（Open Source Computer Vision Library），是一個開源的可以跨平臺運行的計算機視覺庫，整個庫是由 C 函數和 C++ 類構成的，包含了許多圖像處理和計算機視覺方面的通用算法。OpenCV作為常用的人臉識別工具，自然可以進行修改用于識別舌象。

（3）訓練分類器

第一步，安裝好OpenCV并配置好環境變量以確保能正確運行。

第二步，將前期整理好的數據集文件導入進tongue_pos文件夾作為正樣本，將負樣本導入tongue_neg文件夾并統一尺寸，且正負樣本比例為1：3。

第三步，對正樣本進行標注，將文件路徑、尺寸、數量記入posdata.txt文件中，對負樣本也進行相應的操作記入negdata.txt。

第四步，使用OpenCV進行訓練，得到正樣本向量描述文件pos.vec文件再使用聯機分類器與負樣本進行訓練，得到cascade.xml文件。

實驗結果分析

驗證分類器效果，從網上搜集吐舌的圖片以及對小組成員的舌頭拍攝圖片作為測試數據，效果如圖3所示。

批量導入100張舌像圖片運用該分類器進行識別測試，多次運行得出準確率在91%到96%之間，可以看出使用機器學習對于舌象的識別能夠作為輔助中醫舌診的輔助支撐。

2.3舌象介紹

舌象包括舌質和舌苔變化。舌質，又稱舌體，是舌的肌肉脈絡組織。舌苔，中醫術語。正常人的舌背上有一層薄白而潤的苔狀物，叫舌苔。因舌苔由胃氣所生，而五臟六腑皆稟氣于胃，因此，舌苔的變化可反映臟腑的寒、熱、虛、實，病邪的性質和病位的深淺。常見的舌苔表現有以下五種：白苔、黃苔、灰苔、黑苔，其反應的身體狀況如表1所示。

2.4舌苔分類

（1）顏色空間

RGB 是我們接觸最多的顏色空間，由三個通道表示一幅圖像，分別為紅色（R），綠色（G）和藍色（B）。但是人眼對于這三種顏色分量的敏感程度是不一樣的，在單色中，人眼對紅色最不敏感，藍色最敏感，所以 RGB 顏色空間是一種均勻性較差的顏色空間，并不適合于圖像處理。基于上述理由，在圖像處理中使用較多的是 HSL 顏色空間，它比 RGB 更接近人們對彩色的感知經驗。非常直觀地表達顏色的色調、鮮艷程度和明暗程度，方便進行顏色的對比。

HSL 表達彩色圖像的方式由三個部分組成：

（2）舌苔特征識別

傳統中醫將舌苔的顏色主要分為四類：白、黃、灰、黑，由于灰與黑在色彩空間中比較相近故合并為同一類。因舌苔由胃氣所生，而五臟六腑皆稟氣于胃，因此，舌苔的變化可反映臟腑的寒、熱、虛、實，病邪的性質和病位的深淺。

在 HSL 顏色空間下，圖像的H分量的值都相似度較高，而S分量與L分量的值 能在一定條件下出現較大差異，根據本項目的特點，選擇用L作為舌苔顏色劃分的標準，其閾值如表2所示。

對舌質顏色進行識別的方法是：將 RGB 顏色空間轉換至 HSL 顏色空間，計算所有舌質像素點L值的均值，判斷該均值在L閾值表內所屬的范圍，得到舌苔的種類。

3.總結

人工智能在中醫領域的應用就是要模擬中醫的診療思維進行研究，AI輔助中醫舌診的關鍵要點在于舌象的正確提取，首先是在人臉圖片中分割出舌體部分，這部分通過機器學習的技術進行訓練得到合適的模型，其識別率和準確率經測試都得到了不錯的結果。然后根據中醫理論劃分舌苔為白、黃、灰黑三個種類，依據HSL色彩空間理論設定閾值進行種類識別。人工智能在中醫診斷中表現出前所未有的優勢，可解決傳統舌診及脈診中主觀性差、缺少統一標準的問題，是傳統中醫改革發展的新方向，但同時面臨著一定的挑戰。推動人工智能技術服務于醫療事業，促進實施健康中國戰略，可以預見智能醫療的市場仍然是一片藍海。

參考文獻：

[1]Gary Bradski， Adrian Kaehler. 學習 OpenCV 中文版[M].北京：清華大學出版社， 2009.

[2]王旸.人工智能背景下中醫診療技術的應用與展望[J].信息與電腦，2019，（11）：135-136.

[3]畢珊榕，呂東勇，王漢裕，等.人工智能在舌診與脈診中的應用探討[J].廣州中醫藥大學學報，2018，35（2） ： 379-382.

資助項目：大學生創新創業訓練計劃項目（201910058054）。