基于人工智能的舌体苔质评估方法技术

本发明专利技术公开了基于人工智能的舌体苔质评估方法，包括：S1获取待分析的舌像图像；S2检测舌像图中的舌体并进行定位和边缘分割获得舌体图像；S3分块处理舌体图像得到分块图像P1,P2,......,P

【技术实现步骤摘要】
基于人工智能的舌体苔质评估方法


[0001]本专利技术涉计算机
，尤其涉及一种基于人工智能的舌体苔质评估方法。

技术介绍

[0002]中医科学认为：舌质由胃气所生，而五脏六腑皆禀气于胃，胃气与脏腑相通，所以能反映人体内部的状态。舌质可以反映人体内部的状态，所以进行舌质评估是中医看诊的一个重要环节。正常人的舌质，一般是舌苔薄而均匀地平铺在舌面，在舌面中部、根部稍厚，津液分布均匀；而当人患有疾病时，则会出现苔色、苔质和津液分布的改变，这些改变能反映出病的轻重和病位。所以中医看诊时会经常观察舌质的苔质与津液分布等情况，这对于判断病人的健康状况具有重要意义。
[0003]现目前，中医医生诊疗主要还是通过主观评估舌质来进行诊疗，然而诊断过程存在一定的主观性，如中医医生对病人的诊断方式各不相同，不同的医生对同一病人的诊断也不一致，这种方法极其依赖医生的经验，具有极强的主观性。近年来，为了能够提供客观的舌体信息，许多研究人员利用计算机技术来开发辅助分析方法。目前主要使用的人工智能方法或传统方法都将目光聚焦于局部特征而忽略了舌体图像整体所蕴含的信息，这导致了这些评估方法泛化能力不足，很容易受采集环境等外界因素的影响而导致算法准确率下降。

技术实现思路

[0004]本专利技术的目的就在于为了解决上述问题设计了一种基于人工智能的舌体苔质评估方法。
[0005]本专利技术通过以下技术方案来实现上述目的：基于人工智能的舌体苔质评估方法，包括：S1、获取待分析的舌像图像；S2、采用U
‑
Net深度学习网络检测舌像图中的舌体并进行定位和边缘分割获得舌体图像；S3、分块处理舌体图像得到分块图像P1,P2,......,P
n
，并进行归一化处理得到图像块像素p
x
(i,j)；S4、对图像块像素p
x
(i,j)进行直方图信息统计，统计每个像素值出现的次数记为F
x
；S5、根据统计的次数进行颗粒度判断，分析舌体的苔质。
[0006]本专利技术的有益效果在于：提出了颗粒度这一概念并将基于恒定光照强度的舌像仪器所采集的舌体图像的局部信息映射为颗粒度，对舌体上是否为正常苔、腐苔、腻苔状态进行评估，相对于其他方法而言，结合了舌体图像的整体和局部信息来进行综合评估，且对环境光照变化等外界因素以及舌体的特异性有更高的泛用性和适应性。
附图说明
[0007]图1是本专利技术基于人工智能的舌体苔质评估方法的流程示意图；图2是采集的舌像图像示意图；图3是采集的舌体图像示意图；图4是本专利技术基于人工智能的舌体苔质评估方法的颗粒度判断的流程示意图。
具体实施方式
[0008]为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本专利技术实施例的组件可以以各种不同的配置来布置和设计。
[0009]因此，以下对在附图中提供的本专利技术的实施例的详细描述并非旨在限制要求保护的本专利技术的范围，而是仅仅表示本专利技术的选定实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0010]应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
[0011]在本专利技术的描述中，需要理解的是，术语“上”、“下”、“内”、“外”、“左”、“右”等指示的方位或位置关系为基于附图所示的方位或位置关系，或者是该专利技术产品使用时惯常摆放的方位或位置关系，或者是本领域技术人员惯常理解的方位或位置关系，仅是为了便于描述本专利技术和简化描述，而不是指示或暗示所指的设备或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本专利技术的限制。
[0012]此外，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
[0013]在本专利技术的描述中，还需要说明的是，除非另有明确的规定和限定，“设置”、“连接”等术语应做广义理解，例如，“连接”可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接连接，也可以通过中间媒介间接连接，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本专利技术中的具体含义。
[0014]下面结合附图，对本专利技术的具体实施方式进行详细说明。
[0015]如图1所示，基于人工智能的舌体苔质评估方法，包括：S1、获取待分析的舌像图像，如图2所示；S2、采用U
‑
Net深度学习网络检测舌像图中的舌体并进行定位和边缘分割获得舌体图像，如图3所示；S3、分块处理舌体图像得到分块图像P1,P2,......,P
n
，并进行归一化处理得到图像块像素p
x
(i,j)，表示为，N=255；具体为：将舌体图像分为多个细节区域可以更好的寻找算法所敏感的感兴趣区域（ROI）,因此基于模板方法来有效的对舌体图像进行划分；将所采集到的分辨率为1024*1024的图像分成512块，其每块的边界像素长度
计算公式为：（i/512）*(j/512)，其中i代表输入图像的像素长度，j代表原始图像的像素宽度。图像分块处理后得到分块图像P1,P2,......,P
n
，n=512；S4、对图像块像素p
x
(i,j)进行直方图信息统计，统计每个像素值出现的次数记为F
X
；S5、根据统计的次数进行颗粒度判断，分析舌体的苔质；具体包括：S51、计算每个像素值的概率P(x)，表示为，其中，F
x
表示像素值大小为x时的个数，F1、F2...F
n
分别表示像素值为1、2...n时的个数；S52、对概率P(x)进行熵的计算，表示为，得到舌像图像块P1,P2,......,P
n
所对应的直方图熵值H1,H2,......,H
n
；S53、对所有的熵值进行统计后进行颗粒度判断，判断熵值大于3的总计数量是否小于n/2，若是则苔质为正常苔；反之则进入S54，如图4所示；S54、判断熵值大于等于5的总计数量是否小于n/4，若是则苔质为腐苔；反之则苔质为腻苔。
[0016]本专利技术根据舌体发生腐腻时的图像直方图熵值有显著差异这一特性，提出了颗粒度这一概念并将基于恒定光照强度的舌像仪器所采集的舌体图像的局部信息映射为颗粒度，后基于颗粒度的分布代表舌体图像的整体信息，以结合舌体图像整体以及局部信息进行综合判断，该方法相较于其他方法的泛化能力强，适用场景广。
[0017]通过该方法对舌体上是否为正常苔、腐苔、腻苔状态进行评估相对于其他方法而言，结合了舌体图像的整体和局部信息来进行综合评估，且对环境光照变化等外本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于人工智能的舌体苔质评估方法，其特征在于，包括：S1、获取待分析的舌像图像；S2、采用U
‑
Net深度学习网络检测舌像图中的舌体并进行定位和边缘分割获得舌体图像；S3、分块处理舌体图像得到分块图像P1,P2,......,P
n
，并进行归一化处理得到图像块像素p
x
(i,j)；S4、对图像块像素p
x
(i,j)进行直方图信息统计，统计每个像素值出现的次数记为F
x
；S5、根据统计的次数进行颗粒度判断，分析舌体的苔质。2.根据权利要求1所述的基于人工智能的舌体苔质评估方法，其特征在于，在S5中包括：S51、计算每个像素值的概率P(x)，表示为，其中，F
x
...

【专利技术属性】
技术研发人员：张劲，曾帝，何凌，杨刚，
申请(专利权)人：四川博瑞客信息技术有限公司，
类型：发明
国别省市：