中醫(yī)舌診客觀化方法的研究進展*

戚沁園 林燕佳 陳長青

（1.東莞廣州中醫(yī)藥大學(xué)中醫(yī)藥數(shù)理工程研究院，廣東 東莞 523808；2.廣州中醫(yī)藥大學(xué)，廣東 廣州 510405）

望舌歸屬于中醫(yī)四診之一“望診”的范疇，舌診為疾病的辨證提供不可或缺的客觀依據(jù)。目前臨床舌診方法仍是憑靠醫(yī)家的肉眼觀察，從個人角度上看，帶有明顯的主觀性，難以形成客觀統(tǒng)一的識別標(biāo)準(zhǔn)，因而給中醫(yī)傳承和推廣帶來諸多不便。實現(xiàn)舌診技術(shù)的現(xiàn)代化必然要求其結(jié)果具有客觀性、可重復(fù)性?，F(xiàn)對近年來的研究進行如下概述。

1 舌體分割

李慶利等［1］使用光譜角度匹配（SAM）算法將由超光譜舌圖像采集系統(tǒng)采集而來的超光譜圖像立方體變換為光譜角度立方體，使用光譜角度立方體的“光譜”維進行邊緣檢測，將二維的邊緣檢測問題轉(zhuǎn)換成了一維的邊緣檢測問題，這種舌體分割算法相對基于灰度圖像進行的分割算法運算簡單，且分割效果好。

2 舌 色

由于RGB 顏色空間中R、G、B 值之間的相關(guān)性很高，使得其在識別某種特定顏色時很難確定閾值和其在顏色空間中的分布范圍。而HSV 更接近于人眼感知色彩的方式。胡申寧等［2］利用主要成分分析方法，在HSV 顏色空間中分別對每一類的舌象顏色特征進行提取、降維，得到每一類不相關(guān)的特征，再組合成多個子分類器，并通過AdaBoost 算法把舌象顏色弱分類信息提升到強分類信息，解決了舌象顏色的多分類問題。實驗結(jié)果表明，該算法能有效地提高分類精度，舌苔顏色識別的平均正確率達96%，舌質(zhì)顏色識別的平均正確率達95%。

楊如芬等［3］運用腔內(nèi)探頭，對3 種異常舌質(zhì)（紅、絳、紫）共42例典型患者采用彩色多普勒超聲診斷儀測定舌體CDE 血流信號并生成顯像，利用Photoshop 7.0的網(wǎng)格化功能，對其彩色血流像素網(wǎng)格數(shù)進行分析對比，計算其彩色血流信號平均密度，結(jié)果顯示3 種異常舌質(zhì)彩色血流信號平均密度與正常舌質(zhì)差別均有統(tǒng)計學(xué)意義。

嚴智強等［4］采用舌質(zhì)光諸分析原理，自行設(shè)計研制了物理舌診儀，將12 V、25 W 白熾燈光源發(fā)射的光束照射于舌面，對反射光束進行分光，分為紅、橙黃、綠、藍、紫等5 色，分別進行光電轉(zhuǎn)換，由數(shù)字式定量記錄儀顯示。所顯示的電壓值即反映各種不同顏色的光強度的大小，光強度的大小則反映了色調(diào)、充度與彩度的信息，因而便反映了舌質(zhì)與舌苔綜合狀態(tài)的光學(xué)信息。淡白舌的5 種光分雖值均顯著降低，黯舌的藍、紫光分量增高，黯紫舌的藍、紫光分量值更高。在淡紅或紅舌中，帶黯或帶紫黯者，也有類似規(guī)律。疾病人群中冠心患者的紅、綠、藍、紫光顯著升高，而其他光分量變化不明顯，高血壓患者僅藍、紫光較健康人顯著增高，癌癥患者紅、橙、黃等光分量變化不明顯，而藍、紫光顯著大幅度升高，貧血患者的各光分量中，紅、橙黃、綠光顯著低于健康人及其他疾病組，而藍、紫光與健康人差異不顯著。

此外，還有許多關(guān)于應(yīng)用紅外技術(shù)（主要是紅外熱成像技術(shù)）于中醫(yī)舌診的研究，研究結(jié)果可證實舌溫與年齡、性別、舌色、舌面分區(qū)、病證及舌血液灌注率等有關(guān)系［5］。從這一角度去實現(xiàn)舌診的客觀化也頗具前景，與此同時，應(yīng)當(dāng)著重探索實驗結(jié)果與中醫(yī)病證類型之間的聯(lián)系，唯有如此，這種方法才更具臨床價值。

3 舌 形

3.1 測量舌體 許家佗等［6］應(yīng)用CCD 圖像采集設(shè)備MVC1000 對舌體正、側(cè)面同步進行立體圖像采集，測算舌體長度（L）、寬度（K）、厚度（H）參數(shù)，并應(yīng)用參數(shù)與體表面積（Mt）比值關(guān)系建立5 種舌體系數(shù)計算方法，通過臨床500例舌象圖像不同舌體系數(shù)分析，數(shù)據(jù)離散度（Cv）檢驗分析，建立了單位體表面積（Mt）、舌體寬度（K）、厚度（H）“和”的最佳舌體系數(shù)計算方法。應(yīng)用該方法對212例胖舌、35例瘦舌進行了圖像分析比較，實驗結(jié)果顯示，舌體系數(shù)s=（K+H）/Mt 對舌體胖、瘦判斷具有較好的效果，與人工分類比較胖、瘦舌符合率分別為93.40%、88.57%。

3.2 舌質(zhì)老嫩 曹美玲等［7］采用顏色與紋理特征對舌象老嫩進行自動識別。將舌象的顏色與紋理特征融合后，主要采用基于決策層的最優(yōu)線性融合方法和AdaBoost 算法兩種融合方案，并對其進行比較，結(jié)果基本上可以滿足舌象識別的要求。

3.3 齒痕 鐘少丹等［8］將RGB 分量轉(zhuǎn)換為HSV 分量，然后將HSV 分量用Otsu 基于類間方差的方法確定閾值將各分量二值化。設(shè)PH 為分量H的二值圖像，Ps為分量S的二值圖像，PV 為V 分量二值圖像，設(shè)P 為處理后圖像，可以通過公式P=PH-PS+PV 進行圖像計算得出舌體分割圖。再選用半徑為10的圓盤形結(jié)構(gòu)元素進行圖像開運算，去除邊緣中的小空洞，斷開狹窄的邊緣連接，連通大區(qū)域并且不改變邊緣形狀。最后運用基于凹點檢測的齒痕識別方法，構(gòu)造圖舌像的凸閉包，用凸閉包圖減去原圖中和凸閉包相同的部分，求取凹區(qū)，再用閉值濾去假凹區(qū)，從而得到凹區(qū)數(shù)，即齒痕數(shù)。此方法能很好識別齒痕的數(shù)量進而分類出齒痕舌的輕重度。但這樣的方法對齒痕舌的分割要求比較高，而且對于輕度齒痕比較難以識別，對于那些牙齒變形歷害的舌像的識別誤差比較大，所以還有待進一步改進。文中還提到一種基于曲線擬合的齒痕提取方法，但因方法較為復(fù)雜，影響因素較多，且識別率較低，故而不予列出。

3.4 裂紋 陳小芬等［9］提出一種舌象裂紋檢測的自適應(yīng)閾值選擇方法。該方法利用舌象的L×a×b 色彩特征，把灰度圖像和L 分量兩個特征結(jié)合起來分析。以及區(qū)域的分裂-合并，對舌象進行區(qū)域分割，自適應(yīng)地選取舌中部區(qū)域的色彩值作為閾值，對整個舌象進行裂紋提取。通過對裂紋提取結(jié)果的特征分析，用可見指數(shù)來描述裂紋的數(shù)量，用深淺指數(shù)來描述裂紋的深淺。

4 舌 態(tài)

衛(wèi)保國等［10］提出一種新的確定舌體對稱中軸線的方法即半徑-角度圖對折比較法，在采用色度閾值法大致確定嘴區(qū)范圍、分割出舌體及定位出左右兩個嘴角的基礎(chǔ)上，根據(jù)舌體中軸與嘴角的關(guān)系，得到歪斜指數(shù)，最終實現(xiàn)舌體歪斜的自動定量分析。

5 舌 苔

5.1 苔色 李謹?shù)龋?1］使用單色儀和弱電流放大器分析舌苔的顏色組成。其中單色儀可以把舌苔的顏色用反射光的波長準(zhǔn)確表示出來，再按波長依次排列成特定光譜，將該光譜譜線和光源對應(yīng)譜線比較，就能確定被舌苔吸收后反射光的顏色組成，從光譜中主要成份光強的綜合比例可以得出舌苔的顏色組成。

5.2 苔質(zhì)

5.2.1 厚薄 郭振華［12］利用Bayes 公式計算舌像上某一點屬于舌苔的概率值，取值范圍是［0，1］，概率值大于0.9的點認為是舌苔，小于0.1的認為是舌質(zhì)，兩者之間定義為模糊點，如果該舌像圖片塊中舌質(zhì)的百分比超過85%，該塊可認為是少苔；如果舌質(zhì)少于85%且模糊點數(shù)目超過10%，該塊可看作是薄苔；否則就屬于厚苔。這種方法對于分布均勻的舌苔效果較好，但當(dāng)舌苔散在分布時結(jié)果可能與實際不符。李明等［13］通過對不同舌苔患者舌苔涂片研究發(fā)現(xiàn)，與正常薄苔比較，厚苔bax、TGF-β3基因低表達伴隨細胞凋亡減少。此結(jié)果提示凋亡相關(guān)基因bax、TGF-β3表達水平的變化可能是影響舌苔上皮細胞凋亡并導(dǎo)致舌苔厚度變化的重要原因。

5.2.2 腐膩 衛(wèi)保國等［14］將舌苔區(qū)分為固定大小的塊，采用改進的子空間法，以投影長度比作為分類判別特征，來分析紋理結(jié)構(gòu)的疏密。在分類結(jié)果的基礎(chǔ)上給出整幅舌圖像的腐膩指數(shù)和描述。當(dāng)可信度不夠高時，再結(jié)合Rosenfeld/Tamura 粗糙度計算方法計算紋理粗糙度。二者結(jié)合，可獲滿意的效果。

5.2.3 潤燥 蔡軼珩等［15］提出基于二分光反射模型中面反射、體反射理論的舌苔潤燥分析算法，通過分析水分亮斑區(qū)與較亮本色區(qū)在彩色空間中的不同色簇分布情況，實現(xiàn)對水分亮斑區(qū)的識別，并根據(jù)潤燥指數(shù)將舌苔分為干、偏干、一般、略潤、潤、水滑等6 級。

6 智能診斷系統(tǒng)

謝錚桂等［16］采用改進的BP 算法構(gòu)建中醫(yī)舌診智能診斷的神經(jīng)網(wǎng)絡(luò)模型，并以肝病病證診斷進行仿真，在120例樣本的測試中，識別率約為87%，表明該模型能有效地學(xué)習(xí)輸入樣本數(shù)據(jù)，具有診斷能力較強，收斂速度較快，泛化能力較強等特點，但限制于隱層節(jié)點個數(shù)，尚待改進。

7 舌苔液顯微鏡下觀察

王小滿等［17］利用“中醫(yī)顯微舌像儀”，采用舌苔液為標(biāo)本，用8 區(qū)分配法在顯微鏡下觀察動態(tài)圖像并統(tǒng)計視野內(nèi)各證型標(biāo)志物的個數(shù)，結(jié)果顯示三焦?jié)駸帷⒏螝庥魷?、脾氣虛、心氣滯血瘀、肝膽濕熱、胃熱、心火亢盛證等苔液顯微圖像各有獨特的表現(xiàn)。

8 結(jié)語

科學(xué)技術(shù)的迅猛發(fā)展，將舌診客觀化研究的發(fā)展推向更高水平，盡管如此，現(xiàn)行研究仍存在一定程度的問題。中醫(yī)理論體系的核心是整體觀和辨證觀，現(xiàn)行的研究成果只能提供舌象的片面信息，而未能有更為全面、綜合的信息呈現(xiàn)出來。未來研究方向可在各局部信息研究方法成熟的基礎(chǔ)上對其進行整合，以制成具備綜合信息采集、提取和分析的舌診儀，更好地實現(xiàn)中醫(yī)理論運用于臨床診療的定量、定性化。

［1］李慶利，薛永祺.基于超光譜圖像的舌體分割算法［J］.紅外與毫米波學(xué)報，2007，26（1）：77-80.

［2］胡申寧，李文書，施國生，等.基于PCA-AdaBoost的舌象顏色分類研究［J］.廣西師范大學(xué)學(xué)報：自然科學(xué)版，2009，27（3）：158-161.

［3］楊如芬，陳劍.舌彩色血流信號平均密度與中醫(yī)舌質(zhì)的相關(guān)性分析［J］.中國超聲診斷雜志，2006，7（6）：406-407

［4］嚴智強，王一中，李洪山，等.舌診的物理分析—舌診儀的研制及其臨床觀察［J］.貴州醫(yī)藥，1984，8（4）：1-3.

［5］王子焱，張志楓，應(yīng)薦.紅外技術(shù)在中醫(yī)舌診中的應(yīng)用［J］.中西醫(yī)結(jié)合學(xué)報，2005，3（4）：326-328.

［6］許家佗，張志楓，任宏福，等.基于圖像處理的舌形胖瘦分析方法［C］.第2次全國中西醫(yī)結(jié)合診斷學(xué)術(shù)研討會論文集.2008：24-29.

［7］曹美玲，張新峰，沈蘭蓀.分類器融合技術(shù)在中醫(yī)舌象老嫩識別中的應(yīng)用研究［J］.北京生物醫(yī)學(xué)工程，2006，25（6）：644-648.

［8］鐘少丹，謝錚桂，蔡群英.齒痕舌識別方法的研究［J］.韓山師范學(xué)院學(xué)報，2008，29（6）：34-37.

［9］陳小芬，李翠華，杜曉鳳.自適應(yīng)閾值的舌象裂紋檢測［J］.計算機技術(shù)與發(fā)展，2009，19（1）：17-20.

［10］衛(wèi)保國，沈蘭蓀，蔡軼珩.舌體歪斜的自動分析［J］.計算機工程與應(yīng)用，2003，39（25）：22-25.

［11］李謹，李媛.舌苔的光譜分析［J］.陜西中醫(yī)學(xué)院學(xué)報，2002，25（3）：67.

［12］郭振華，王寬全.基于Bayes 公式的舌苔厚薄分析［J］.中國醫(yī)學(xué)物理學(xué)雜志，2004，21（6）：332-333.

［13］李明，潘文群，吳正治，等.厚苔形成與bax、TGF-β3 基因表達及舌上皮細胞凋亡關(guān)系研究［J］.中醫(yī)研究，2005，18（8）：19-21.

［14］衛(wèi)保國，沈蘭蓀，蔡軼珩，等.中醫(yī)舌苔腐膩分析算法的研究［J］.電子學(xué)報，2003，31（12A）：2083-2086.

［15］蔡軼珩，沈蘭蓀.二分光反射模型在中醫(yī)舌苔潤燥分析中的應(yīng)用［J］.電子學(xué)報，2004，32（6）：1026-1028.

［16］謝錚桂，邱樂琴.基于改進的BP 神經(jīng)網(wǎng)絡(luò)的中醫(yī)舌診診斷研究［J］.現(xiàn)代計算機，2008，30（4）：26-27.

［17］王小滿，梁嶸，楊必安，等.中醫(yī)顯微舌像儀：苔液顯微圖像辨證初探［C］.中醫(yī)治未病與亞健康高峰論壇暨首屆亞健康經(jīng)絡(luò)調(diào)理學(xué)術(shù)研討會論文集.北京，2009：125-129.