[发明专利]基于机器学习的中医舌色苔色定量分析方法

权利要求书

1.基于机器学习的中医舌色苔色定量分析方法，其特征在于：包括以下步骤：

S1、对不同地区、年龄的人群进行舌象调查与图像采集，并通过一致评审的方法对采集的舌象图像进行舌色、苔色判定，构建中医舌象大数据；

S2、对中医舌象大数据中的舌象图像提取舌体区域，通过HSV空间聚类，切分成子图，聚类结果按色调自动生成舌色颜色色卡、苔色颜色色卡；

S3、基于xgboost机器学习算法构建像素颜色属性分类器X，基于xgboost机器学习算法分别构建整舌舌色分类模型d和整舌苔色分类模型t；

S4、使用像素颜色属性分类器X计算舌体区域每个像素点的颜色属性，得到颜色数量c、颜色比例f；

S5、使用整舌舌色分类模型d计算整舌舌色，使用整舌苔色分类模型t计算整舌苔色；

S6、按局部特征定义要求，对舌体各分区进行局部舌色、苔色特征计算；

其中，使用整舌舌色分类模型d计算整舌舌色，使用整舌苔色分类模型t计算整舌苔色包括以下步骤：

S51、读取r张舌象图像，图片宽度为w，高度为L，计算各像素在HSV空间的矩阵M：

其中，

S52、m_ij＝[h s v]，h∈[0，180]s∈[0，255]v∈[0，255]使用像素颜色属性分类器X计算舌象图像中各像素属于淡白、淡红、红、绛、青紫的颜色属性类别矩阵N_s：

S53、对颜色属性类别矩阵N_s统计各类别像素数量矩阵C_s及其占整舌比例f_s：

S54、使用整舌舌色分类模型d计算整舌舌色属于淡白、淡红、红、绛、青紫的概率p_s：

取颜色最大概率max(p_s)＝[p_j]_r为整舌舌色；

S55、使用像素颜色属性分类器X计算舌象图像中各像素属于白苔、淡黄苔、黄苔、焦黄苔、灰黑苔、焦黑苔的颜色属性类别矩阵N_t：

S56、对颜色属性类别矩阵N_t统计各类别像素数量矩阵C_t及其占整舌比例f_t：

S57、使用整舌苔色分类模型t计算整舌苔色属于白苔、淡黄苔、黄苔、焦黄苔、灰黑苔、焦黑苔的概率p_t：

取颜色最大概率max(p_t)＝[p_j]_r为整舌苔色；

其中，局部特征定义要求包括：

舌尖区域超过一半有红、绛色时，则判定舌象为舌尖红；舌左边和右边区域超过一半有红、绛色时，则判定舌象为舌两边红；舌中区域超过一半有厚白苔时，则判定舌象为舌中厚白苔；舌根区域超过一半有厚白苔时，则判定舌象为舌中厚白苔；舌中区域超过一半有淡黄、黄、焦黄苔时，则判定舌象为舌中黄苔；舌根区域超过一半有淡黄、黄、焦黄苔时，则判定舌象为舌根黄苔；整舌舌苔90％以上时为苔满布；整舌舌苔低于5％时为无苔或假苔。

2.根据权利要求1所述的基于机器学习的中医舌色苔色定量分析方法，其特征在于：所述舌象图像为在自然光条件下，采用图像采集装置对儿童、青少年、中老年各年龄段人群进行采集。

3.根据权利要求1所述的基于机器学习的中医舌色苔色定量分析方法，其特征在于：所述中医舌象大数据包括舌色、舌形、苔质、苔色，所述舌色包括淡白、淡红、红、绛、青紫，所述舌形包括胖大、瘦小、齿痕、裂纹、瘀斑、瘀点、点刺，所述苔质包括厚苔、薄苔、腐苔、腻苔、润苔、燥苔、剥苔，所述苔色包括白苔、淡黄苔、黄苔、焦黄苔、灰黑苔、焦黑苔。

4.根据权利要求1所述的基于机器学习的中医舌色苔色定量分析方法，其特征在于：从S2中所述舌象图像提取舌体区域基于多尺度卷积神经网络的像素级实例分割模型，所述实例分割模型通过深度学习对舌象图像提取舌体区域并计算轮廓边界，每张舌体区域图像生成一张背景为黑色、前景为舌体的图像，作为舌体颜色特征计算数据源。