中医舌诊智能化的研究进展
Research Progress of the Intelligentization of TCM Tongue Diagnosis
DOI: 10.12677/tcm.2024.137244, PDF,    科研立项经费支持
作者: 彭素霞, 杨 多：浏阳市集里医院眼科三病室，湖南 浏阳；钟俐芹, 梁 昊*：湖南中医药大学中医诊断研究所，湖南 长沙
关键词: 中医；舌诊客观化；智能化；舌象采集；舌象分析；Traditional Chinese Medicine； Tongue Diagnosis Objectification； Intelligentization； Tongue Image Acquisition； Tongue Image Analysis
摘要: 舌诊是中医辨证论治的特色之一，它能为临床诊断和治疗提供必要的客观证据。舌象是快速反映机体生理功能和病情变化的一种外在表现，对指导中医诊断与治疗有着十分重要的意义。在中医舌诊客观化的发展过程中，利用数码影像分析方法来研究数字化舌象，以达到定量化的目的。本文通过对现有舌诊客观化和智能化研究中存在的舌象采集、舌象区域自动分割、舌象特征提取、舌象的客观化诊断等方面进行总结，以期为舌诊的智能化发展奠定基础。
Abstract: Tongue diagnosis is one of the distinctive features of traditional Chinese medicine (TCM) for syndrome differentiation and treatment, providing essential objective evidence for clinical diagnosis and treatment. The tongue appearance is an external manifestation that quickly reflects the physiological functions and changes in the condition of the body, which is of great significance in guiding TCM diagnosis and treatment. In the development of the objectification of TCM tongue diagnosis, digital imaging analysis methods are used to study digital tongue images to achieve quantification. This article summarizes the existing research on the objectification and intelligentization of tongue diagnosis, including tongue image acquisition, automatic segmentation of tongue regions, feature extraction of tongue images, and objective diagnosis of tongue images, to lay the foundation for the intelligent development of tongue diagnosis.
文章引用：彭素霞, 杨多, 钟俐芹, 梁昊. 中医舌诊智能化的研究进展[J]. 中医学, 2024, 13(7): 1590-1598. https://doi.org/10.12677/tcm.2024.137244

参考文献

[1] 吴欣, 徐红, 林卓胜, 等. 深度学习在舌象分类中的研究综述[J]. 计算机科学与探索, 2023, 17(2): 303-323.
[2] 黄淑琼, 张云龙, 周静, 等. 浅谈中医舌象客观化、定量化、标准化研究[J]. 中华中医药杂志, 2017, 32(4): 1625-1627.
[3] 田桐, 孙丽平. 长春中医药大学附属医院609名体检儿童中医体质与舌象关系调查分析[J]. 中国医药导报, 2022, 19(5): 64-67.
[4] 姜永超, 樊春玲, 明星, 等. 一体式中医舌象采集分析系统设计[J]. 计算机测量与控制, 2018, 26(1): 222-225.
[5] Tania, M.H., Lwin, K. and Hossain, M.A. (2019) Advances in Automated Tongue Diagnosis Techniques. Integrative Medicine Research, 8, 42-56. [Google Scholar] [CrossRef] [PubMed]
[6] 许家佗, 张志枫, 费兆馥, 等. 舌象数字图像采集条件的实验观测[J]. 中国中医基础医学杂志, 2007(1): 23-27.
[7] 许家佗. 舌象客观化识别方法的研究进展[J]. 上海中医药杂志, 2002(2): 42-45.
[8] 许家佗, 张志枫, 严竹娟, 等. 自然光条件下基于色差校正方法的舌象颜色分析[J]. 中西医结合学报, 2009, 7(5): 422-427.
[9] 石强, 汤伟昌, 李福凤, 等. 舌象信息客观化研究中光源选择初探[J]. 上海中医药大学学报, 2004(2): 39-41.
[10] 王忆勤, 汤伟昌, 李福凤, 等. ZBOX-Ⅰ型舌脉象数字化分析仪的研制与临床应用[J]. 上海中医药大学学报, 2008(6): 26-28.
[11] 邸丹, 周敏, 周会林, 等. 手持式舌象仪的研制[J]. 上海中医药杂志, 2016, 50(2): 12-14.
[12] 蔡轶珩, 刘长江, 沈兰荪. 新型舌象分析仪的设计方案[J]. 测控技术, 2005, 24(5): 34-36+47.
[13] Li, Q., Wang, Y., Liu, H., Sun, Z. and Liu, Z. (2010) Tongue Fissure Extraction and Classification Using Hyperspectral Imaging Technology. Applied Optics, 49, 2006-2013. [Google Scholar] [CrossRef] [PubMed]
[14] Liu, Z., Wang, H. and Li, Q. (2011) Tongue Tumor Detection in Medical Hyperspectral Images. Sensors, 12, 162-174. [Google Scholar] [CrossRef] [PubMed]
[15] 赵静, 刘明, 陆小左, 等. 基于光谱技术的中医舌诊客观化研究[J]. 中华中医药杂志, 2021, 36(3): 1233-1237.
[16] 张志枫, 许家佗, 严竹娟, 等. 基于室内自然光条件采集舌图像色差校正方法的研究[J]. 上海中医药大学学报, 2008, 22(1): 29-32+79.
[17] 孙祥栋. 基于移动终端的中医舌象数据挖掘系统研究与设计[D]: [硕士学位论文]. 武汉: 江汉大学, 2016.
[18] Wang, X.Z. and Zhang, D. (2010) An Optimized Tongue Image Color Correction Scheme. IEEE Transactions on Information Technology in Biomedicine, 14, 1355-1364. [Google Scholar] [CrossRef] [PubMed]
[19] Zhang, H.Z., Wang, K.Q., Jin, X.S., et al. (2005) SVR Based Color Calibration for Tongue Image. 4th International Conference on Machine Learning and Cybernetics, Vol. 8, 5065-5070.
[20] 徐晓昭, 蔡轶珩, 刘长江, 等. 基于图像分析的偏色检测及颜色校正方法[J]. 测控技术, 2008(5): 10-12+21.
[21] 徐晓昭, 蔡轶珩, 刘晓民, 等. 改进灰度世界颜色校正算法[J]. 光子学报, 2010, 39(3): 559-564.
[22] 刘齐, 黄晓阳, 王博亮, 等. 自然环境下舌诊图像偏色检测及其颜色校正方法[J]. 厦门大学学报(自然科学版), 2016, 55(2): 278-284.
[23] Zhuo, L., Zhang, J., Dong, P., Zhao, Y. and Peng, B. (2014) An SA-GA-BP Neural Network-Based Color Correction Algorithm for TCM Tongue Images. Neurocomputing, 134, 111-116. [Google Scholar] [CrossRef] 
[24] 黄文笔, 谢翠萍, 陈家益, 等. 迭代的顺序加权中值图像滤波算法[J]. 现代电子技术, 2021, 44(21): 25-29.
[25] 陈家益, 战荫伟, 曹会英, 等. 修剪中值检测的自适应加权中值滤波算法[J]. 计算机科学与探索, 2019, 13(3): 505-513.
[26] Nasimudeen, A., Nair, M.S. and Tatavarti, R. (2010) Directional Switching Median Filter Using Boundary Discriminative Noise Detection by Elimination. Signal, Image and Video Processing, 6, 613-624. [Google Scholar] [CrossRef] 
[27] Lu, C., Chen, M., Shen, J., Wang, L. and Hsu, C. (2018) Removal of Salt-and-Pepper Noise for X-Ray Bio-Images Using Pixel-Variation Gain Factors. Computers & Electrical Engineering, 71, 862-876. [Google Scholar] [CrossRef] 
[28] Faragallah, O.S. and Ibrahem, H.M. (2016) Adaptive Switching Weighted Median Filter Framework for Suppressing Salt-and-Pepper Noise. AEU—International Journal of Electronics and Communications, 70, 1034-1040. [Google Scholar] [CrossRef] 
[29] Zhang, C. and Wang, K. (2015) A Switching Median-Mean Filter for Removal of High-Density Impulse Noise from Digital Images. Optik, 126, 956-961. [Google Scholar] [CrossRef] 
[30] Zunair, H. and Ben Hamza, A. (2021) Sharp U-Net: Depthwise Convolutional Network for Biomedical Image Segmentation. Computers in Biology and Medicine, 136, Article ID: 104699. [Google Scholar] [CrossRef] [PubMed]
[31] 汤一平, 王丽冉, 何霞, 等. 基于多任务卷积神经网络的舌象分类研究[J]. 计算机科学, 2018, 45(12): 255-261.
[32] 赵忠旭, 王爱民. 基于数学形态学和HIS模型的彩色舌图像分割[J]. 北京工业大学学报, 1999(2): 67-71.
[33] 姜朔, 胡洁, 夏春明, 等. 基于Otsu阈值法与形态学自适应修正的舌像分割方法[J]. 高技术通讯, 2017, 27(2): 150-155.
[34] 蒋依吾, 陈建仲, 张恒鸿, 等. 电脑化中医舌诊系统[J]. 中国中西医结合杂志, 2000, 20(2): 66-68+80.
[35] Nirmala Devi, S. and Kumaravel, N. (2008) Comparison of Active Contour Models for Image Segmentation in X-Ray Coronary Angiogram Images. Journal of Medical Engineering & Technology, 32, 408-418. [Google Scholar] [CrossRef] [PubMed]
[36] 孙晓琳, 庞春颖. 一种改进Snake模型的中医舌体分割方法[J]. 长春理工大学学报(自然科学版), 2013, 36(5): 154-156.
[37] 王明英, 张新峰, 卓力. 一种基于Snakes模型的中医舌象分割改进算法[J]. 测控技术, 2011, 30(5): 32-35.
[38] 洪雁飞. 深度学习算法及其医学图像分析应用研究[D]: [硕士学位论文]. 济南: 山东中医药大学, 2020.
[39] 孙志军, 薛磊, 许阳明, 等. 深度学习研究综述[J]. 计算机应用研究, 2012, 29(8): 2806-2810.
[40] 程锦甫, 张万贺. 深度学习在图像识别中的研究及应用[J]. 电子世界, 2020(19): 48-49.
[41] He, K., Gkioxari, G., Dollar, P. and Girshick, R. (2020) Mask R-CNN. IEEE Transactions on Pattern Analysis and Machine Intelligence, 42, 386-397. [Google Scholar] [CrossRef] [PubMed]
[42] Anwar, S.M., Majid, M., Qayyum, A., Awais, M., Alnowami, M. and Khan, M.K. (2018) Medical Image Analysis Using Convolutional Neural Networks: A Review. Journal of Medical Systems, 42, Article No. 226. [Google Scholar] [CrossRef] [PubMed]
[43] Shelhamer, E., Long, J. and Darrell, T. (2017) Fully Convolutional Networks for Semantic Segmentation. IEEE Transactions on Pattern Analysis and Machine Intelligence, 39, 640-651. [Google Scholar] [CrossRef] [PubMed]
[44] Li, H., Wen, G. and Zeng, H. (2018) Natural Tongue Physique Identification Using Hybrid Deep Learning Methods. Multimedia Tools and Applications, 78, 6847-6868. [Google Scholar] [CrossRef] 
[45] Tang, W., Gao, Y., Liu, L., Xia, T., He, L., Zhang, S., et al. (2020) An Automatic Recognition of Tooth-Marked Tongue Based on Tongue Region Detection and Tongue Landmark Detection via Deep Learning. IEEE Access, 8, 153470-153478. [Google Scholar] [CrossRef] 
[46] 颜建军, 徐姿, 郭睿, 等. 基于Mask R-CNN的舌图像分割研究[J]. 世界科学技术-中医药现代化, 2020, 22(5): 1532-1538.
[47] 江智泉, 周作建, 鲍剑洋, 等. 改进U-Net网络的中医舌图像分割方法研究[J]. 软件导刊, 2021, 20(11): 186-190.
[48] 马龙祥, 杨浩, 宋婷婷, 等. 基于高分辨率特征的舌象分割算法研究[J]. 计算机工程, 2020, 46(10): 248-252.
[49] 黄留挥, 程辉. 一种改进FCN的舌象分割方法: 双支FCN2s [J]. 现代计算机, 2021, 27(31): 72-76.
[50] 肖庆新, 张菁, 张辉, 等. 基于轻型卷积神经网络的舌苔颜色分类方法[J]. 测控技术, 2019, 38(3): 26-31.
[51] 杨晶东, 张朋. 基于迁移学习的全连接神经网络舌象分类方法[J]. 第二军医大学学报, 2018, 39(8): 897-902.
[52] 翟鹏博, 杨浩, 宋婷婷, 等. 融合注意力机制的多阶段舌象分类算法[J]. 计算机工程与设计, 2021, 42(6): 1606-1613.
[53] 王昇. 中医舌诊图像分割与识别方法研究[D]: [硕士学位论文]. 天津: 天津大学, 2018.
[54] 芮迎迎, 孔祥勇, 刘亚楠, 等. 基于Mask Scoring R-CNN的齿痕舌象识别[J]. 中国医学物理学杂志, 2021, 38(4): 523-528.
[55] 刘佳丽, 孙自强. 基于Double-D算法的舌像检测[J]. 计算机工程与设计, 2020, 41(7): 2025-2030.
[56] 温坤哲, 韦玉科. 基于深度卷积神经网络的舌体胖瘦精细分类[J]. 现代计算机, 2020(34): 87-90+105.
[57] Xiao, Q., Zhang, H., Zhang, J. and Zhuo, L. (2021) Texture Analysis of Tongue Coating in Traditional Chinese Medicine Based on Transfer Learning and Multi-Model Decision. Sensing and Imaging, 22, Article No. 8. [Google Scholar] [CrossRef] 
[58] 王忆勤, 郭睿, 许朝霞, 等. 中医四诊客观化研究在冠心病诊断中的应用[J]. 中医杂志, 2016, 57(3): 199-203.
[59] 马春玲, 朱章志, 阮永队. 2型糖尿病中医始发病机的临床研究[J]. 新中医, 2011, 43(6): 28-31.