论文部分内容阅读
传统中医是以“望闻问切”为主体的一种疾病诊断方式,其中望诊中的舌诊在实践运用中占据重要的地位。舌诊主要分为舌面诊断和舌下静脉诊断,其中舌下静脉诊断对血瘀证等病症有很好的识别效果。根据中医学的研究,舌下静脉主要是对人体的体循环与微循环,以及血液方面变化进行一些反馈,所以舌下静脉可以为医生在临床上提供一些信息。但是由传统中医舌诊得到的结果受到医生主观的影响较大,缺乏客观化和量化的标准。随着各种图像处理与机器学习技术的快速发展,对于中医客观化的研究即将进入新的阶段。 目前主流的舌下静脉诊断具有四个缺点,分别是数据集中数量较少且标定不统一,舌下静脉分割误差大,舌下静脉特征单一表达能力差和舌下静脉与疾病关联不明确。本文的目标是实现一个能自动对舌下静脉图像进行诊断的系统。针对上文所说的四个缺点,本文搭建一个舌下静脉样本数量相对充分的图像数据库,基于该数据库改进了舌下静脉的分割方法,最后对舌下静脉图像进行颜色和几何特征的提取,并针对样本的标签进行病理的客观性分析。 本文提出了基于舌下静脉颜色空间的自动化分割方法。首先是对舌下静脉的颜色空间进行边界拟合,建立舌下静脉的颜色空间。通过一系列的实验证明,基于该舌下静脉颜色空间对采集的舌下静脉进行分割在准确率上和效率上都取得了较好效果。 本文对舌下静脉进行特征的量化和优化选择。基于舌下静脉的特点,构建34维特征向量,包括颜色特征和几何特征。并利用基于包裹式的序列浮动前向选择算法进行特征优化选择。实验结果表明,经过特征优化选择后的分类结果要比未经过任何特征选择方法分类效果平均提升了8.53%。 本文利用二分类和多分类的实验分析了舌下静脉与各类疾病的相关性,初步构建了基于舌下静脉的疾病分类树,最终对乳腺癌,前列腺钙化,肺癌都取得了70%以上的分类准确率。