計算機(jī)舌診中舌體分割與紋理分類研究.pdf

1、舌診是中國傳統(tǒng)醫(yī)學(xué)中一項重要的診斷方法，已有幾千年的歷史。中醫(yī)醫(yī)師通過對舌體信息的分析判斷患者病情。由于具有無創(chuàng)性和便捷性的特點，舌診具有廣闊的發(fā)展前景。但是舌診需要大量的實踐與豐富的經(jīng)驗才能得到較為準(zhǔn)確的診斷結(jié)果。因此這種經(jīng)驗性、主觀性因素影響了中醫(yī)舌診的發(fā)展。
　　為了客觀地獲取和分析舌體的各種信息并輔助醫(yī)師做出診斷，近年來一些計算機(jī)輔助舌診系統(tǒng)相繼開發(fā)出來。然而現(xiàn)在計算機(jī)舌診系統(tǒng)中還存在一些問題，首先是現(xiàn)有方法忽略了舌體邊緣

2、的特點導(dǎo)致了舌體分割精度不高，交互式分割的效率較低。其次現(xiàn)有方法對反光點區(qū)域檢測與去除的結(jié)果過于平滑，紋理信息丟失很多。最后舌紋理對表達(dá)與分類方法要求較高，而現(xiàn)有的方法在舌紋理表達(dá)較為困難，導(dǎo)致了紋理分類精度不高。
　　本論文從舌體分割、反光點檢測與修復(fù)及紋理的表達(dá)及和分類等幾方面進(jìn)行了全面深入的研究。對現(xiàn)有算法在舌體圖像分割、反光點區(qū)域檢測及舌紋理分類表達(dá)等方面存在的不足，提出了以下解決方案：
　　1.基于Gabor幅值和

3、快速步進(jìn)算法的自動舌體邊緣檢測方法：本文首先根據(jù)舌體邊緣的特點，結(jié)合Gabor濾波器，提出了利用Gabor幅值的舌體邊緣增強(qiáng)方法。然后針對舌體不連續(xù)問題，本文將部分邊緣作為初始值，利用快速步進(jìn)算法將強(qiáng)邊緣連接起來形成初始的舌體輪廓線。最后利用梯度矢量流snake模型（GVF Snake）得到最終的舌體輪廓。實驗表明本論文提出的自動舌體分割算法效果要優(yōu)于現(xiàn)有其他自動舌體分割算法。
　　2.基于穩(wěn)定段引導(dǎo)的舌體交互式分割方法：為了提高

4、分割效率，本文首先利用自動舌體分割算法獲得初始分割。其次對于分割失敗的圖像引入用戶交互。在交互過程中，為了充分利用用戶提供的邊緣信息，提高交互效率，本文提出了三種更新策略分別對穩(wěn)定段、舌體模板和舌體邊緣模板依次進(jìn)行更新。最后利用GVF Snake得到最終的舌體輪廓。實驗結(jié)果表明本論文提出的方法在高效性和便捷性方面要優(yōu)于其他交互式舌體分割方法。
　　3.基于超像素的反光點檢測方法和基于加權(quán)核范數(shù)最小化（Weighted Nuclea

5、r Norm Minimization,WNNM）的反光點修復(fù)方法：反光點是舌體局部特征的一種，表征了舌表面濕度。對于反光點區(qū)域檢測問題，本文利用基于超像素的檢測方法對反光區(qū)域進(jìn)行檢測。該方法能夠有效地檢測反光點區(qū)域中的高亮區(qū)域及其周圍的次反光點區(qū)域。針對反光區(qū)域修復(fù)問題，本論文提出一種基于WNNM的非局部自相關(guān)修復(fù)方法。此方法將圖像修復(fù)問題轉(zhuǎn)化為低秩矩陣填充的優(yōu)化問題，通過求解WNNM問題得到修復(fù)后的圖像。實驗表明本文提出的方法優(yōu)于現(xiàn)

6、有其他舌體反光點檢測與修復(fù)方法。
　　4.基于散射卷積網(wǎng)絡(luò)的舌體紋理分類方法：舌紋理較為復(fù)雜，主要是由于舌圖像背景，舌體表面反光點等的影響及紋理的位置，尺度及方向具有隨機(jī)性。對舌體圖像進(jìn)行紋理分類需要系統(tǒng)性的方法。根據(jù)這些要求本文提出了基于散射卷積網(wǎng)絡(luò)的舌體圖像紋理分類方法方法。該方法首先對舌圖像做預(yù)處理，包括舌圖像分割，反光點判別，反光點檢測與修復(fù)，舌紋理塊獲取幾個方面。然后對舌紋理塊進(jìn)行分類表達(dá)與分類。最后利用舌紋理塊的分類結(jié)