中医舌诊客观化方法的研究进展*

2013-01-24戚沁园林燕佳陈长青

中国中医急症 2013年9期

戚沁园林燕佳陈长青

（1.东莞广州中医药大学中医药数理工程研究院，广东东莞 523808；2.广州中医药大学，广东广州 510405）

望舌归属于中医四诊之一“望诊”的范畴，舌诊为疾病的辨证提供不可或缺的客观依据。目前临床舌诊方法仍是凭靠医家的肉眼观察，从个人角度上看，带有明显的主观性，难以形成客观统一的识别标准，因而给中医传承和推广带来诸多不便。实现舌诊技术的现代化必然要求其结果具有客观性、可重复性。现对近年来的研究进行如下概述。

1 舌体分割

李庆利等［1］使用光谱角度匹配（SAM）算法将由超光谱舌图像采集系统采集而来的超光谱图像立方体变换为光谱角度立方体，使用光谱角度立方体的“光谱”维进行边缘检测，将二维的边缘检测问题转换成了一维的边缘检测问题，这种舌体分割算法相对基于灰度图像进行的分割算法运算简单，且分割效果好。

2 舌色

由于RGB 颜色空间中R、G、B 值之间的相关性很高，使得其在识别某种特定颜色时很难确定阈值和其在颜色空间中的分布范围。而HSV 更接近于人眼感知色彩的方式。胡申宁等［2］利用主要成分分析方法，在HSV 颜色空间中分别对每一类的舌象颜色特征进行提取、降维，得到每一类不相关的特征，再组合成多个子分类器，并通过AdaBoost 算法把舌象颜色弱分类信息提升到强分类信息，解决了舌象颜色的多分类问题。实验结果表明，该算法能有效地提高分类精度，舌苔颜色识别的平均正确率达96%，舌质颜色识别的平均正确率达95%。

杨如芬等［3］运用腔内探头，对3 种异常舌质（红、绛、紫）共42例典型患者采用彩色多普勒超声诊断仪测定舌体CDE 血流信号并生成显像，利用Photoshop 7.0的网格化功能，对其彩色血流像素网格数进行分析对比，计算其彩色血流信号平均密度，结果显示3 种异常舌质彩色血流信号平均密度与正常舌质差别均有统计学意义。

严智强等［4］采用舌质光诸分析原理，自行设计研制了物理舌诊仪，将12 V、25 W 白炽灯光源发射的光束照射于舌面，对反射光束进行分光，分为红、橙黄、绿、蓝、紫等5 色，分别进行光电转换，由数字式定量记录仪显示。所显示的电压值即反映各种不同颜色的光强度的大小，光强度的大小则反映了色调、充度与彩度的信息，因而便反映了舌质与舌苔综合状态的光学信息。淡白舌的5 种光分虽值均显著降低，黯舌的蓝、紫光分量增高，黯紫舌的蓝、紫光分量值更高。在淡红或红舌中，带黯或带紫黯者，也有类似规律。疾病人群中冠心患者的红、绿、蓝、紫光显著升高，而其他光分量变化不明显，高血压患者仅蓝、紫光较健康人显著增高，癌症患者红、橙、黄等光分量变化不明显，而蓝、紫光显著大幅度升高，贫血患者的各光分量中，红、橙黄、绿光显著低于健康人及其他疾病组，而蓝、紫光与健康人差异不显著。

此外，还有许多关于应用红外技术（主要是红外热成像技术）于中医舌诊的研究，研究结果可证实舌温与年龄、性别、舌色、舌面分区、病证及舌血液灌注率等有关系［5］。从这一角度去实现舌诊的客观化也颇具前景，与此同时，应当着重探索实验结果与中医病证类型之间的联系，唯有如此，这种方法才更具临床价值。

3 舌形

3.1 测量舌体许家佗等［6］应用CCD 图像采集设备MVC1000 对舌体正、侧面同步进行立体图像采集，测算舌体长度（L）、宽度（K）、厚度（H）参数，并应用参数与体表面积（Mt）比值关系建立5 种舌体系数计算方法，通过临床500例舌象图像不同舌体系数分析，数据离散度（Cv）检验分析，建立了单位体表面积（Mt）、舌体宽度（K）、厚度（H）“和”的最佳舌体系数计算方法。应用该方法对212例胖舌、35例瘦舌进行了图像分析比较，实验结果显示，舌体系数s=（K+H）/Mt 对舌体胖、瘦判断具有较好的效果，与人工分类比较胖、瘦舌符合率分别为93.40%、88.57%。

3.2 舌质老嫩曹美玲等［7］采用颜色与纹理特征对舌象老嫩进行自动识别。将舌象的颜色与纹理特征融合后，主要采用基于决策层的最优线性融合方法和AdaBoost 算法两种融合方案，并对其进行比较，结果基本上可以满足舌象识别的要求。

3.3 齿痕钟少丹等［8］将RGB 分量转换为HSV 分量，然后将HSV 分量用Otsu 基于类间方差的方法确定阈值将各分量二值化。设PH 为分量H的二值图像，Ps为分量S的二值图像，PV 为V 分量二值图像，设P 为处理后图像，可以通过公式P=PH-PS+PV 进行图像计算得出舌体分割图。再选用半径为10的圆盘形结构元素进行图像开运算，去除边缘中的小空洞，断开狭窄的边缘连接，连通大区域并且不改变边缘形状。最后运用基于凹点检测的齿痕识别方法，构造图舌像的凸闭包，用凸闭包图减去原图中和凸闭包相同的部分，求取凹区，再用闭值滤去假凹区，从而得到凹区数，即齿痕数。此方法能很好识别齿痕的数量进而分类出齿痕舌的轻重度。但这样的方法对齿痕舌的分割要求比较高，而且对于轻度齿痕比较难以识别，对于那些牙齿变形历害的舌像的识别误差比较大，所以还有待进一步改进。文中还提到一种基于曲线拟合的齿痕提取方法，但因方法较为复杂，影响因素较多，且识别率较低，故而不予列出。

3.4 裂纹陈小芬等［9］提出一种舌象裂纹检测的自适应阈值选择方法。该方法利用舌象的L×a×b 色彩特征，把灰度图像和L 分量两个特征结合起来分析。以及区域的分裂-合并，对舌象进行区域分割，自适应地选取舌中部区域的色彩值作为阈值，对整个舌象进行裂纹提取。通过对裂纹提取结果的特征分析，用可见指数来描述裂纹的数量，用深浅指数来描述裂纹的深浅。

4 舌态

卫保国等［10］提出一种新的确定舌体对称中轴线的方法即半径-角度图对折比较法，在采用色度阈值法大致确定嘴区范围、分割出舌体及定位出左右两个嘴角的基础上，根据舌体中轴与嘴角的关系，得到歪斜指数，最终实现舌体歪斜的自动定量分析。

5 舌苔

5.1 苔色李谨等［11］使用单色仪和弱电流放大器分析舌苔的颜色组成。其中单色仪可以把舌苔的颜色用反射光的波长准确表示出来，再按波长依次排列成特定光谱，将该光谱谱线和光源对应谱线比较，就能确定被舌苔吸收后反射光的颜色组成，从光谱中主要成份光强的综合比例可以得出舌苔的颜色组成。

5.2 苔质

5.2.1 厚薄郭振华［12］利用Bayes 公式计算舌像上某一点属于舌苔的概率值，取值范围是［0，1］，概率值大于0.9的点认为是舌苔，小于0.1的认为是舌质，两者之间定义为模糊点，如果该舌像图片块中舌质的百分比超过85%，该块可认为是少苔；如果舌质少于85%且模糊点数目超过10%，该块可看作是薄苔；否则就属于厚苔。这种方法对于分布均匀的舌苔效果较好，但当舌苔散在分布时结果可能与实际不符。李明等［13］通过对不同舌苔患者舌苔涂片研究发现，与正常薄苔比较，厚苔bax、TGF-β3基因低表达伴随细胞凋亡减少。此结果提示凋亡相关基因bax、TGF-β3表达水平的变化可能是影响舌苔上皮细胞凋亡并导致舌苔厚度变化的重要原因。

5.2.2 腐腻卫保国等［14］将舌苔区分为固定大小的块，采用改进的子空间法，以投影长度比作为分类判别特征，来分析纹理结构的疏密。在分类结果的基础上给出整幅舌图像的腐腻指数和描述。当可信度不够高时，再结合Rosenfeld/Tamura 粗糙度计算方法计算纹理粗糙度。二者结合，可获满意的效果。

5.2.3 润燥蔡轶珩等［15］提出基于二分光反射模型中面反射、体反射理论的舌苔润燥分析算法，通过分析水分亮斑区与较亮本色区在彩色空间中的不同色簇分布情况，实现对水分亮斑区的识别，并根据润燥指数将舌苔分为干、偏干、一般、略润、润、水滑等6 级。

6 智能诊断系统

谢铮桂等［16］采用改进的BP 算法构建中医舌诊智能诊断的神经网络模型，并以肝病病证诊断进行仿真，在120例样本的测试中，识别率约为87%，表明该模型能有效地学习输入样本数据，具有诊断能力较强，收敛速度较快，泛化能力较强等特点，但限制于隐层节点个数，尚待改进。

7 舌苔液显微镜下观察

王小满等［17］利用“中医显微舌像仪”，采用舌苔液为标本，用8 区分配法在显微镜下观察动态图像并统计视野内各证型标志物的个数，结果显示三焦湿热、肝气郁滞、脾气虚、心气滞血瘀、肝胆湿热、胃热、心火亢盛证等苔液显微图像各有独特的表现。

8 结语

科学技术的迅猛发展，将舌诊客观化研究的发展推向更高水平，尽管如此，现行研究仍存在一定程度的问题。中医理论体系的核心是整体观和辨证观，现行的研究成果只能提供舌象的片面信息，而未能有更为全面、综合的信息呈现出来。未来研究方向可在各局部信息研究方法成熟的基础上对其进行整合，以制成具备综合信息采集、提取和分析的舌诊仪，更好地实现中医理论运用于临床诊疗的定量、定性化。

［1］李庆利，薛永祺.基于超光谱图像的舌体分割算法［J］.红外与毫米波学报，2007，26（1）：77-80.

［2］胡申宁，李文书，施国生，等.基于PCA-AdaBoost的舌象颜色分类研究［J］.广西师范大学学报：自然科学版，2009，27（3）：158-161.

［3］杨如芬，陈剑.舌彩色血流信号平均密度与中医舌质的相关性分析［J］.中国超声诊断杂志，2006，7（6）：406-407

［4］严智强，王一中，李洪山，等.舌诊的物理分析—舌诊仪的研制及其临床观察［J］.贵州医药，1984，8（4）：1-3.

［5］王子焱，张志枫，应荐.红外技术在中医舌诊中的应用［J］.中西医结合学报，2005，3（4）：326-328.

［6］许家佗，张志枫，任宏福，等.基于图像处理的舌形胖瘦分析方法［C］.第2次全国中西医结合诊断学术研讨会论文集.2008：24-29.

［7］曹美玲，张新峰，沈兰荪.分类器融合技术在中医舌象老嫩识别中的应用研究［J］.北京生物医学工程，2006，25（6）：644-648.

［8］钟少丹，谢铮桂，蔡群英.齿痕舌识别方法的研究［J］.韩山师范学院学报，2008，29（6）：34-37.

［9］陈小芬，李翠华，杜晓凤.自适应阈值的舌象裂纹检测［J］.计算机技术与发展，2009，19（1）：17-20.

［10］卫保国，沈兰荪，蔡轶珩.舌体歪斜的自动分析［J］.计算机工程与应用，2003，39（25）：22-25.

［11］李谨，李媛.舌苔的光谱分析［J］.陕西中医学院学报，2002，25（3）：67.

［12］郭振华，王宽全.基于Bayes 公式的舌苔厚薄分析［J］.中国医学物理学杂志，2004，21（6）：332-333.