目的随着数码相机和计算机的不断更新换代,借助智能手段、运用图像信息处理技术分析舌象也逐渐成为舌象客观化研究的重点。肺癌作为高发病率和高死亡率的肿瘤病种,严重威胁着人民的生命健康,近年来,随着中医治疗肺癌的价值不断被人们认可,肺癌的舌象研究也逐渐展开,以往对肺癌舌象的研究显示,肺癌的病理性舌象出现率远高于健康人群,因此本研究开展了基于数字舌图探讨肺癌患者的舌象特征研究,以期推动肺癌中医诊断治疗的精准化和客观化发展。方法文献研究:通过检索中国知网（China National Knowledge Infrastructure,CNKI）、万方数据库、维普数据库相关文献,运用Citespace对舌诊在肿瘤领域的研究进行可视化分析,探讨国内肿瘤舌象研究的热点、现状以及未来的发展趋势。临床研究:采用横断面研究的方法,在北京中医药大学东方医院、东直门医院招募肺癌患者和体检人群参与舌象图片以及临床资料的采集,通过RGB、Lab和HSV颜色空间分析肺癌病例和体检对照组的舌色、苔色数值,采用基于像素值自适应限定的中医舌象瘀斑检测算法,运用HSV域进行裂纹检测,通过卷积神经网络深度学习算法对肺癌舌象与体检对照组舌象进行分类识别研究,采取两种残差卷积神经网络（ResNet34和ResNet101）进行迁移训练学习,最后从精确率、召回率和f1值等指标评估每一折实验中模型预测的实际效果。结果文献研究:共纳入323篇文献,自1975年以来,涉及肿瘤舌象研究的文献呈现波动中上升的趋势,詹臻、张军峰、吴娟、杨亚平、佟书娟等构成该领域的主要研究合作网,各作者之间合作密切,为该领域的主要研究群体;肿瘤舌象研究机构主要集中在江苏、上海一带,其中节点最大的机构是南京中医药大学,为肿瘤舌象研究的中坚力量;在肿瘤舌象研究方法方面,主要以人肉眼观舌法为主,其次是通过数字舌图研究肿瘤舌象;文献题名中包含“舌苔”的文献有75条,占比23.22%,为肿瘤舌象研究的重要领域;肿瘤舌象研究的主要病种为肺癌,其次是胃癌、肝癌;在关键词共现图谱中,“舌象”、“舌苔”和“肺癌”3个关键词出现频次较大,是肿瘤舌象研究领域的热点;在关键词共现的基础上进行聚类分析,得到关键词聚类图谱,发现目前肿瘤舌象研究领域最大的聚类类团是“舌苔”,聚类规模值45,轮廓值0.985,其次是“肿瘤”、“化疗”、“肺癌”;对肿瘤舌象研究领域进行关键词突现分析,发现突现强度最大的关键词为:“中医舌诊”、“舌苔”、“青紫舌”、“舌下络脉”、“胃癌”等,突现词进一步印证了“舌苔”与“青紫舌”这两个关键词在肿瘤舌象研究领域的重要性。临床研究:（1）通过对比肺癌与体检人群的舌象,发现肺癌组舌色以青紫舌为主,而体检对照组的舌色以淡红舌为主,肺癌组的R、G、B、L、V值均低于体检对照组,说明肺癌组的舌色亮度整体低于体检对照组,可以认为,相对于体检人群,肺癌患者更多的呈现舌色不荣而枯槁的舌象特征;在舌形方面,肺癌组的齿痕舌比例、瘀斑瘀点舌比例均高于体检对照组,一定程度上反应了肺癌患者多出现“虚”、“瘀”的证候特点;在舌苔方面,肺癌组少苔/无苔的比例显著高于体检对照组,反映了肺癌患者多有胃气损伤的情况。（2）通过分析不同病理分型和不同临床分期的肺癌患者舌象,发现小细胞肺癌组苔色的R值、G值、L值和V值均高于腺癌组,差异有统计学意义,这说明了小细胞肺癌组苔色的亮度值高于腺癌组,一定程度上反应了小细胞肺癌组较之腺癌组舌苔可能更厚,或者舌苔滑腻现象较多;临床Ⅳ期的肺癌患者苔色G值低于临床Ⅲ期的苔色G值,而临床Ⅲ期的a值低于Ⅰ期/Ⅱ期和Ⅳ期,差异有统计学意义,说明了临床Ⅲ期较之于临床Ⅳ期苔色更深更暗。（3）通过卷积神经网络深度学习算法,发现在对肺癌数据集的迁移学习的五折交叉验证实验中,ResNet34和ResNet101均具有较好的识别精确率,同时发现ResNet101模型相较于浅层卷积神经网络具有更好的训练稳定性和泛化特性。结论基于数字舌图方法探讨肺癌患者的舌象特征,增加了舌诊的客观性和精准性,也是目前肿瘤舌象研究的主流研究方法,舌色颜色空间数值的差异揭示了肺癌患者舌象“不荣”的特征,青紫舌为肺癌患者常见的舌色特征,少苔/无苔在肺癌患者中分布比例较高,肺癌不同病理分型、不同临床分期的舌象特征差异主要表现在舌苔方面,一定程度上提示了舌苔变化对于反应病变阶段、病情预后等方面的价值意义;运用卷积神经网络深度学习算法进行迁移训练学习识别肺癌舌象具有较好的识别精确率,且ResNet101模型相较于浅层卷积神经网络具有更好的训练稳定性和泛化特性,因此运用卷积神经网络分析识别肺癌舌象具有较好的应用前景及价值。