[发明专利]基于机器学习的中医舌色苔色定量分析方法

说明书

本发明涉及舌色苔色鉴定，具体涉及基于机器学习的中医舌色苔色定量分析方法，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，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，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s和整舌苔色分类模型t，本发明提供的技术方案能够有效克服现有技术所存在的识别结果准确性较低、较为依赖样本数据的缺陷。

技术领域

本发明涉及舌色苔色鉴定，具体涉及基于机器学习的中医舌色苔色定量分析方法。

背景技术

传统望舌是以肉眼观察为主，其正确性取决于医生经验，受限于环境因素，缺乏客观统一的辨识指标，无法达到研究上的可重复性要求。医生可能会因光线、环境等因素，造成对舌色、苔色的判断失误，因此急需采用机器量化分析和辨识的方法。现有技术主要有以下两种方法：

卷积神经网络分类模型

直接使用神经网络来分类判别舌体苔质颜色，以Inception V4分类网络为例，该网络在ILSVRC-2012-CLS数据集下以最大概率的类别作为预测结果，准确率为80.2％，而使用的是包含百万张图片的数据集。对于中医舌诊来说，要使用权威医生标注的高质量样本不仅匮乏而且代价十分昂贵，经验不足的医生往往难以保证数据标注的质量，所以能够作为训练的舌象库样本容量太小，无法达到预期的分类效果。

卷积网络滑动窗口预测

在《一种基于卷积神经网络的中医舌色苔色自动分析方法》专利中，提到的不再使用原图进行直接训练，而是利用滑动窗口从舌象的舌质、舌苔区域得到小块图片，然后再由中医进行确定标签，随后训练，预测的时候也是先通过滑动窗口将图片分成小块，然后通过模型预测每块的类型，综合起来判定整舌的舌色、苔色。上述方式较第一种确实有所改进，但是其中也有问题，比如使用滑动窗口方式取分块，具有随机性和不稳定性，往往一块图片上带有其他很多颜色，导致标记出现偏差，致使最终结果不准确。

发明内容

(一)解决的技术问题

针对现有技术所存在的上述缺点，本发明提供了基于机器学习的中医舌色苔色定量分析方法，能够有效克服现有技术所存在的识别结果准确性较低、较为依赖样本数据的缺陷。

(二)技术方案

为实现以上目的，本发明通过以下技术方案予以实现：

基于机器学习的中医舌色苔色定量分析方法，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：