江智泉， 周作建， 鮑劍洋， 戰(zhàn)麗彬， 商洪濤

摘? 要： 為了促進(jìn)中醫(yī)舌診的標(biāo)準(zhǔn)化和客觀化，推動(dòng)中醫(yī)舌診客觀化研究，探究以深度學(xué)習(xí)為代表的人工智能技術(shù)在舌診客觀化領(lǐng)域的應(yīng)用現(xiàn)狀和研究水平，文章以舌像的采集-預(yù)處理-圖像識(shí)別-客觀診斷為主線，對(duì)舌像辯證自動(dòng)化的新方法進(jìn)行了歸納和總結(jié)。通過(guò)方法綜述，為智能化舌診和中醫(yī)現(xiàn)代化研究提供方法參考和研究思路，促進(jìn)人工智能技術(shù)在中醫(yī)舌診領(lǐng)域的深度發(fā)展。

關(guān)鍵詞： 舌診客觀化; 人工智能; 圖像識(shí)別; 深度學(xué)習(xí)

中圖分類(lèi)號(hào)：TP311.5? ? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A? ? ?文章編號(hào)：1006-8228（2022）01-01-04

Overview of the objective study of tongue diagnosis in Chinese Medicine

in the context of artificial intelligence

Jiang Zhiquan1， Zhou Zuojian1， Bao Jianyang1， Zhan Libin2， Shang Hongtao3

（1. College of Artificial Intelligence and Information Technology， Nanjing University of Traditional Chinese Medicine， Nanjing， Jiangsu 210046， China; 2. College of Traditional Chinese Medicine， Nanjing University of Traditional Chinese Medicine; 3. Affiliated hospital of Nanjing University of Chinese medicine）

Abstract： In order to promote the standardization and objectification of tongue diagnosis of Traditional Chinese Medicine， promote the research on the objectification of tongue diagnosis of Traditional Chinese Medicine， and explore the application status and research level of artificial intelligence technology represented by deep learning in the field of tongue diagnosis objectification. In this paper， the new methods of dialectic automatization of tongue image are summarized， which are based on the main line of tongue image acquisition， pretreatment， image recognition and objective diagnosis. Through the review， the method reference and research ideas for the research of intelligent tongue diagnosis and modernization of Traditional Chinese Medicine are provided， which promotes the in-depth development of artificial intelligence technology in the field of tongue diagnosis of Traditional Chinese Medicine.

Key words： objectification of tongue diagnosis; artificial intelligence; image recognition; deep learning

0 引言

中醫(yī)舌診是中醫(yī)診斷的重要環(huán)節(jié)之一，其通過(guò)觀察舌體的顏色和形態(tài)變化來(lái)感知患者疾病，具有診斷過(guò)程實(shí)施方便，診斷價(jià)值高的獨(dú)特優(yōu)勢(shì)。但由于醫(yī)師主觀經(jīng)驗(yàn)和診療客觀條件的影響，診察結(jié)果可能出現(xiàn)誤差。為了充分發(fā)揮其診斷優(yōu)勢(shì)，降低診斷誤差，中醫(yī)舌診的臨床診斷需要更高的信息化智能化來(lái)提供定性定量的數(shù)據(jù)支撐。近些年來(lái)，以深度學(xué)習(xí)等為代表的AI技術(shù)被廣泛用于舌診客觀化的研究中，實(shí)現(xiàn)了快速、高效、精準(zhǔn)的舌像智能分析，大大提高了客觀化舌像診斷的準(zhǔn)確率。本文以采集-預(yù)處理-圖像識(shí)別-客觀診斷為主線進(jìn)行分類(lèi)綜述。

1 舌像采集方法研究

標(biāo)準(zhǔn)化的舌像采集是進(jìn)行舌像分析的重要前提。為了滿(mǎn)足后期舌像特征提取和分類(lèi)的需要，標(biāo)準(zhǔn)的舌像圖片不僅應(yīng)該包含完整的舌體可用信息，也應(yīng)該具有清晰度高，色彩保真效果好，成像質(zhì)量?jī)?yōu)等特性。目前，舌像標(biāo)準(zhǔn)化采集的研究主要聚焦于光源和采集設(shè)備的選擇上。

許家佗[1]對(duì)舌像采集條件做了一些實(shí)驗(yàn)觀測(cè)，比較了自然光源和人工光源以及不同CCD相機(jī)設(shè)備對(duì)舌體成像效果的影響，認(rèn)為自然光源由于其光譜連續(xù)，光照均勻，簡(jiǎn)潔實(shí)用等特性，是臨床可行的最適合光源，但由于受制于自然條件，自然光的色溫和照度變化較大，為采集帶來(lái)了不確定因素。而人工光源具有穩(wěn)定和不受制于環(huán)境的巨大優(yōu)勢(shì)，但也存在光譜不連續(xù)、光照不均和設(shè)備繁雜等問(wèn)題，臨床實(shí)用性較差。因此，對(duì)于光源如何選擇，有大量學(xué)者做了相關(guān)工作。石強(qiáng)[2]通過(guò)比較標(biāo)準(zhǔn)光源D50和自然光源下舌像診斷結(jié)果的相似度，認(rèn)為D50光源穩(wěn)定性強(qiáng)，接近自然光，可以作為舌像采集標(biāo)準(zhǔn)照明光源。在采集設(shè)備的研究上，多家單位成功研制了多種型號(hào)的舌像儀，上海中醫(yī)藥大學(xué)王億勤團(tuán)隊(duì)研制的ZBOX-1型舌脈象數(shù)字化分析儀[3]，北京工業(yè)大學(xué)蔡軼珩團(tuán)隊(duì)[4]設(shè)計(jì)了以計(jì)算機(jī)為核心的標(biāo)準(zhǔn)舌像分析儀，采用人工光源，通過(guò)圖形技術(shù)和聚類(lèi)算法，實(shí)現(xiàn)了舌像采集、圖像處理、舌色分析與定量化的標(biāo)準(zhǔn)流程，具有一定的臨床效果。考慮到常見(jiàn)的舌像采集儀體積普遍偏大，邸丹[5]設(shè)計(jì)了一種手持式舌像儀，具有體積小，便攜性高的優(yōu)點(diǎn)，滿(mǎn)足部分舌像采集需要。丁明全[6]在舌像采集系統(tǒng)中采用了自動(dòng)對(duì)焦技術(shù)，通過(guò)自動(dòng)對(duì)焦的相關(guān)算法，解決了一些由采集環(huán)境、人為因素和拍攝角度等帶來(lái)的影響舌像拍攝質(zhì)量的問(wèn)題?，F(xiàn)存的舌像采集方式大多依賴(lài)于成本高、不易攜帶的舌像采集儀，這不利于在基于互聯(lián)網(wǎng)服務(wù)的多場(chǎng)景終端上發(fā)揮作用。因此，研究針對(duì)各種智能終端的舌像采集方法和辨證標(biāo)準(zhǔn)，也是未來(lái)智能化舌診的發(fā)展方向之一。

2 舌像預(yù)處理方法研究

2.1 圖像處理

由于光照條件不充分、采集設(shè)備難以精確捕捉舌像細(xì)節(jié)等原因，使得顯示器難以有效還原真實(shí)舌像信息。因此，我們需要將采集到的舌像圖片作進(jìn)一步的數(shù)字圖像處理，包括圖像校正和圖像降噪等。

趙忠旭[7]利用三層BP神經(jīng)網(wǎng)絡(luò)，通過(guò)自適應(yīng)調(diào)整，設(shè)計(jì)了CRT網(wǎng)絡(luò)模型和校正環(huán)節(jié)網(wǎng)絡(luò)模型，可以有效的實(shí)現(xiàn)三刺激值匹配的彩色校正。許家佗[8]提出一種自然光條件下基于色差校正的方法，應(yīng)用L*a*b*均勻色空間對(duì)舌色進(jìn)行色差校正，將校正后的舌色色度進(jìn)行統(tǒng)計(jì)學(xué)分析，具有統(tǒng)計(jì)學(xué)意義，此方法具有良好的校正效果。

對(duì)于成像設(shè)備帶來(lái)的圖片噪聲，我們可以采用圖像濾波算法來(lái)進(jìn)行降噪處理。圖像濾波算法通過(guò)對(duì)區(qū)域像素的數(shù)學(xué)運(yùn)算，計(jì)算出目標(biāo)像素點(diǎn)的合適有效輸出，以此來(lái)降低噪聲對(duì)舌像細(xì)節(jié)的干擾。均值濾波和高斯濾波等算法是降噪處理中較為常見(jiàn)和高效的方法。作為最典型的濾波算法，均值濾波的處理方法是取K*K窗口中像素值的平均值作為像素輸出，從而有效調(diào)整噪聲點(diǎn)像素值，抑制噪聲，但這種方法可能會(huì)丟失圖像的細(xì)節(jié)，帶來(lái)邊界模糊等問(wèn)題。中值濾波算法可以在達(dá)到噪聲處理的同時(shí)減少圖像邊緣細(xì)節(jié)的丟失。此外，高斯濾波算法在抑制服從正態(tài)分布的噪聲的任務(wù)中具有一定的優(yōu)勢(shì)。

2.2 舌像分割

為了后期能有良好的特征識(shí)別和分類(lèi)，我們需要對(duì)舌體圖像進(jìn)行分割處理。舌體圖像分割目的是從獲取的舌圖像中去除臉部、嘴唇等干擾環(huán)境，分割出可用于分析的有效舌部位顏色細(xì)節(jié)，充分保留患者的舌體信息，排除無(wú)關(guān)背景對(duì)舌體進(jìn)一步分類(lèi)識(shí)別的干擾。舌體圖像分割過(guò)程如圖1所示。

當(dāng)前研究中實(shí)現(xiàn)對(duì)舌體的有效分割的方法主要有基于閾值的分割方法，基于能量泛函的分割方法等。隨著機(jī)器學(xué)習(xí)的發(fā)展，也產(chǎn)生了聚類(lèi)，字典學(xué)習(xí)、深度學(xué)習(xí)等高效方法。

閾值分割是圖像分割方法中最為常見(jiàn)的手段之一。李丹霞[9]通過(guò)結(jié)合局部閾值和全局閾值的優(yōu)點(diǎn)，提出自適應(yīng)閾值的算法，將圖像分割為多個(gè)子塊，迭代計(jì)算每個(gè)子塊的最佳閾值和局部最佳閾值，構(gòu)成閾值矩陣從而進(jìn)行分割。分割結(jié)果與僅使用全局閾值分割或僅使用局部閾值分割相比具有明顯優(yōu)勢(shì)，特別是對(duì)非均勻光照?qǐng)D像分割效果尤佳。但單純使用閾值分割仍存在許多適應(yīng)場(chǎng)景問(wèn)題，相關(guān)學(xué)者結(jié)合色彩模型，形態(tài)學(xué)等方法，對(duì)閾值分割方法進(jìn)行了結(jié)合和優(yōu)化。姜朔[10]將形態(tài)學(xué)自適應(yīng)修正的方法與Otsu閾值法進(jìn)行結(jié)合，通過(guò)獲取原始舌像的G、B、V通道信息，運(yùn)用Otsu閾值法對(duì)舌像進(jìn)行二值化處理并結(jié)合先驗(yàn)知識(shí)進(jìn)行聚類(lèi)，采用形態(tài)學(xué)舌體當(dāng)量直徑自適應(yīng)選取結(jié)構(gòu)元素的大小的方法，實(shí)現(xiàn)分割范圍的自適應(yīng)修正，能較好地實(shí)現(xiàn)分割效果，但存在效率不高的問(wèn)題。

基于能量泛函的舌像切割方法也是主流方法之一，以活動(dòng)輪廓模型（ACM Active Contour Model）為代表。該方法通過(guò)人工參數(shù)控制和內(nèi)外力作用，最小化特定定義的能量函數(shù)閉合曲線，實(shí)現(xiàn)對(duì)目標(biāo)區(qū)域的有效分割。但傳統(tǒng)的Snake方法對(duì)圖像噪聲敏感，且無(wú)法逼近極凹的輪廓內(nèi)部，能量曲線容易得到局部極值解，容易喪失邊界信息。因此，劉晨星[11]提出一種改進(jìn)Snake算法的模型，該模型引入Perona-Malik方法強(qiáng)化輪廓界限，通過(guò)梯度矢量流模型（Gradient VectorFlow，GVF）優(yōu)化圖像外力場(chǎng)，進(jìn)而提取舌像輪廓，有效地解決了傳統(tǒng)Snake算法對(duì)不規(guī)則舌體輪廓的逼近效果欠缺的問(wèn)題，提高了切割效果。史苗靜[12]、高清河[13]等人也對(duì)Snake模型提出了改良方案并取得不錯(cuò)的分割效果。

機(jī)器學(xué)習(xí)技術(shù)這兩年來(lái)也被運(yùn)用到了圖像分割領(lǐng)域，基于語(yǔ)義的深度學(xué)習(xí)圖像分割技術(shù)成為了圖像分割新的解決方案。通過(guò)對(duì)舌體圖像進(jìn)行語(yǔ)義分類(lèi)處理，差異化圖像中不同的區(qū)域，再通過(guò)全卷積神經(jīng)網(wǎng)絡(luò)（FCN）進(jìn)行端到端的訓(xùn)練，在卷積和池化過(guò)程中匯聚和增強(qiáng)語(yǔ)義信息，實(shí)現(xiàn)語(yǔ)義分割[14]。但是，有監(jiān)督學(xué)習(xí)的方法極大受限于訓(xùn)練數(shù)據(jù)的數(shù)量和質(zhì)量，且像素級(jí)圖像標(biāo)注成本極大，有待進(jìn)一步優(yōu)化和發(fā)展。也有學(xué)者[15～16]使用K-means聚類(lèi)算法，聚類(lèi)圖像顏色分量，實(shí)現(xiàn)對(duì)圖像的分割。通過(guò)聚類(lèi)后對(duì)同一個(gè)簇的所有像素點(diǎn)進(jìn)行標(biāo)記，重構(gòu)圖像，實(shí)現(xiàn)分割，具有較強(qiáng)的適應(yīng)性。此外，李亞峰[17]提出一種基于多字典學(xué)習(xí)的分割方法，使用隸屬度函數(shù)的正則約束來(lái)保持分割區(qū)域邊界的幾何結(jié)構(gòu)，對(duì)不同的紋理具有較強(qiáng)的判別能力。當(dāng)前，機(jī)器學(xué)習(xí)相關(guān)的圖像分割算法仍在發(fā)展和優(yōu)化中，有待進(jìn)一步運(yùn)用到舌像分割領(lǐng)域，以提高舌像分割的準(zhǔn)確率。

3 舌像識(shí)別分析方法研究

舌像的定性和定量特征分析是舌診客觀化的重要過(guò)程。當(dāng)前，舌像識(shí)別分類(lèi)主要圍繞舌質(zhì)、舌苔和舌下三個(gè)點(diǎn)展開(kāi)，以中醫(yī)舌診診斷過(guò)程為參考，聚焦于舌質(zhì)的神、色、形、態(tài)，舌苔的苔質(zhì)和苔色，舌下的形色等方面特征。傳統(tǒng)的舌像識(shí)別工作需要人工標(biāo)記特征，這對(duì)分類(lèi)結(jié)果的準(zhǔn)確性會(huì)有一定的影響。隨著機(jī)器學(xué)習(xí)在圖像識(shí)別領(lǐng)域的廣泛應(yīng)用，以神經(jīng)網(wǎng)絡(luò)為代表的深度學(xué)習(xí)技術(shù)為舌像特征分類(lèi)識(shí)別提供了智能化的解決方案，提高了識(shí)別的準(zhǔn)確度和泛化能力。

3.1 舌質(zhì)與舌苔顏色識(shí)別

舌色可以反映出人的身體健康狀態(tài)，是中醫(yī)辨證論治的重要標(biāo)準(zhǔn)之一，因此對(duì)舌色和苔色進(jìn)行分類(lèi)和識(shí)別具有重要的實(shí)際意義。舌質(zhì)的顏色一般分為淡紅、淡白、紅絳和青紫四種，而舌苔的顏色一般分為白苔、黃苔和灰黑苔三種。

肖慶新[18]提出一種基于輕型卷積神經(jīng)網(wǎng)絡(luò)架構(gòu)的舌苔顏色分類(lèi)方法，將原始數(shù)據(jù)進(jìn)行人工標(biāo)注并進(jìn)行數(shù)據(jù)擴(kuò)充，解決數(shù)據(jù)樣本量小且不平衡的問(wèn)題，設(shè)計(jì)了輕型卷積神經(jīng)網(wǎng)絡(luò)，將舌像特征提取和分類(lèi)統(tǒng)一處理，該分類(lèi)方法取得了94.85%的分類(lèi)準(zhǔn)確率，具有較好的分類(lèi)性能。針對(duì)深度學(xué)習(xí)帶來(lái)的訓(xùn)練成本高長(zhǎng)等問(wèn)題，楊晶東[19]引入遷移學(xué)習(xí)技術(shù)，建立基于全連接神經(jīng)網(wǎng)絡(luò)模型的小樣本舌像分類(lèi)方法，實(shí)現(xiàn)了ImageNet數(shù)據(jù)集訓(xùn)練的遷移，使用提取的強(qiáng)特征微調(diào)全連接神經(jīng)網(wǎng)絡(luò)進(jìn)行小樣本舌象分類(lèi)，有效地解決了舌像分類(lèi)中存在的小樣本問(wèn)題。目前，大多數(shù)卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)適用于單標(biāo)記的分類(lèi)任務(wù)，通過(guò)構(gòu)建多個(gè)網(wǎng)絡(luò)模型，對(duì)舌色，形態(tài)等分類(lèi)任務(wù)多單獨(dú)進(jìn)行，忽視了其中舌體不同特征可能存在的關(guān)聯(lián)性。湯一平[20]以標(biāo)簽之間的相關(guān)性為核心，設(shè)計(jì)了基于卷積神經(jīng)網(wǎng)絡(luò)的多任務(wù)聯(lián)合學(xué)習(xí)模型，通過(guò)訓(xùn)練多個(gè)Softmax分類(lèi)器對(duì)標(biāo)簽進(jìn)行并行預(yù)測(cè)，實(shí)現(xiàn)了舌像多個(gè)特征的自動(dòng)提取和相關(guān)分析。該方法具有一定的優(yōu)勢(shì)，但仍需大量數(shù)據(jù)進(jìn)行優(yōu)化。

3.2 舌質(zhì)舌苔形態(tài)識(shí)別分析

對(duì)于舌質(zhì)的形態(tài)研究主要聚焦于點(diǎn)刺、瘀點(diǎn)、裂紋和齒痕等。點(diǎn)刺表現(xiàn)為舌體表面有紅刺群凸出，瘀點(diǎn)表現(xiàn)為舌體表面出現(xiàn)深色瘀點(diǎn)。中醫(yī)舌診中舌像的點(diǎn)刺所在的部位預(yù)示熱邪所在臟腑，點(diǎn)刺的疏密程度代表熱邪的嚴(yán)重程度;瘀點(diǎn)所在的部位預(yù)示淤阻所在經(jīng)絡(luò)。對(duì)于點(diǎn)刺瘀點(diǎn)，王昇[21]使用斑點(diǎn)檢測(cè)算法simpleBlobDetector提取斑點(diǎn)和瘀點(diǎn)并生成特征向量，通過(guò)支持向量機(jī)（SVM）和K-means聚類(lèi)算法進(jìn)行點(diǎn)刺瘀點(diǎn)舌像識(shí)別和提取，準(zhǔn)確率高，提取效果好。對(duì)于齒痕舌和裂紋舌，劉夢(mèng)[22]基于FasterR-CNN算法和遷移學(xué)習(xí)算法，構(gòu)建深度學(xué)習(xí)模型，有效完成了對(duì)中醫(yī)齒痕舌和裂紋舌舌像的局部特征的綜合識(shí)別，且在小樣本訓(xùn)練數(shù)據(jù)中具有良好表現(xiàn)。

4 舌像的客觀診斷研究

中醫(yī)診斷的客觀化是中醫(yī)發(fā)展的必經(jīng)之路，越來(lái)越多的學(xué)者致力于不同疾病不同證型的四診客觀化研究，取得了一定的客觀化成果。王憶勤[23]通過(guò)對(duì)1000例冠心病患者舌像信息的跟蹤分析和研究，建立起心氣虛組患者與舌體形狀多胖厚且有齒痕的聯(lián)系，經(jīng)過(guò)治療，舌苔齒痕指數(shù)下降;心陰虛組治療后舌色R值下降，轉(zhuǎn)為淡紅，且裂紋指數(shù)下降。馬春玲[24]采集50例血糖調(diào)節(jié)受損和60例早期糖尿病患者進(jìn)行研究，發(fā)現(xiàn)糖尿病患者舌像呈現(xiàn)舌色暗淡;舌體胖大，多齒印，苔色白等特征。通過(guò)大X量實(shí)驗(yàn)結(jié)果和科研數(shù)據(jù)，建立中醫(yī)證型和舌像特征的對(duì)應(yīng)關(guān)系，可以有效促進(jìn)中醫(yī)證型自動(dòng)化識(shí)別的相關(guān)研究。

5 結(jié)論

舌診是中醫(yī)的重要診斷手段之一，實(shí)現(xiàn)中醫(yī)舌診的客觀化也是中醫(yī)舌診的發(fā)展方向。近幾年，機(jī)器學(xué)習(xí)算法廣泛運(yùn)用于圖像分割、舌像分類(lèi)和特征識(shí)別的過(guò)程中，具有較好的識(shí)別效果和泛化能力，極大推動(dòng)了中醫(yī)舌像診斷的客觀化進(jìn)程。但是，當(dāng)前的舌診客觀化進(jìn)程仍面臨著缺乏標(biāo)準(zhǔn)數(shù)據(jù)集的問(wèn)題。大多數(shù)客觀化研究缺乏平衡性好的大樣本數(shù)據(jù)，不利于算法的訓(xùn)練和優(yōu)化。此外，缺乏對(duì)大量舌像數(shù)據(jù)的分類(lèi)存儲(chǔ)、高效利用和全面分析，未能有效地建立起舌像信息和中醫(yī)證型的對(duì)應(yīng)關(guān)系，與臨床實(shí)踐脫節(jié)。因此，需要繼續(xù)深化多學(xué)科融合，推動(dòng)建立舌像標(biāo)準(zhǔn)庫(kù)和舌像多角度信息的標(biāo)準(zhǔn)化模型。在未來(lái)，借助人工智能技術(shù)帶來(lái)的強(qiáng)大算力，引領(lǐng)中醫(yī)走向與信息技術(shù)的深度融合，實(shí)現(xiàn)中醫(yī)“望聞問(wèn)切”的數(shù)據(jù)化分析處理從而帶動(dòng)中醫(yī)診斷的全面信息化和客觀化。

參考文獻(xiàn)（References）：

[1] 許家佗，張志楓，費(fèi)兆馥，等.舌象數(shù)字圖像采集條件的實(shí)驗(yàn)觀測(cè)[J].中國(guó)中醫(yī)基礎(chǔ)醫(yī)學(xué)雜志，2007（1）：23-27

[2] 石強(qiáng)，湯偉昌，李福鳳，等.舌象信息客觀化研究中光源選擇初探[J].上海中醫(yī)藥大學(xué)學(xué)報(bào)，2004（2）：39-41

[3] 王憶勤，湯偉昌，李福鳳，等.ZBOX-Ⅰ型舌脈象數(shù)字化分析儀的研制與臨床應(yīng)用[J].上海中醫(yī)藥大學(xué)學(xué)報(bào)，2008（6）：26-28

[4] 蔡軼珩，劉長(zhǎng)江，沈蘭蓀.新型舌象分析儀的設(shè)計(jì)方案[J].測(cè)控技術(shù)，2005（5）：34-36，47

[5] 邸丹，周敏，周會(huì)林，等.手持式舌象儀的研制[J].上海中醫(yī)藥雜志，2016，50（2）：12-14

[6] 丁明全.自動(dòng)對(duì)焦技術(shù)在舌像采集系統(tǒng)中的應(yīng)用研究[D].廣東工業(yè)大學(xué)，2011

[7] 趙忠旭，沈蘭蓀，衛(wèi)保國(guó)，等.基于人工神經(jīng)網(wǎng)絡(luò)的彩色校正方法研究[J].中國(guó)圖象圖形學(xué)報(bào)，2000.9：77-81

[8] 許家佗，張志楓，嚴(yán)竹娟，等.自然光條件下基于色差校正方法的舌象顏色分析[J].中西醫(yī)結(jié)合學(xué)報(bào)，2009，7（5）：422-427

[9] 李丹霞，韋玉科.基于自適應(yīng)閾值的舌像分割方法[J].計(jì)算機(jī)技術(shù)與發(fā)展，2011，21（9）：63-65

[10]姜朔，胡潔，夏春明，等.基于Otsu閾值法與形態(tài)學(xué)自適應(yīng)修正的舌像分割方法[J].高技術(shù)通訊，2017，27（2）：150-155

[11] 劉晨星，張海英，楊浩.基于Perona-Malik方法的GVFSnake模型在舌像分割中的應(yīng)用[J].微型機(jī)與應(yīng)用，2017，36（15）：94-96，102

[12] Shi Miao-Jing，Li Guo-Zheng，Li Fu-Feng，Xu Chao.Computerized tongue image segmentation via the double geo-vector flow[J]. Pubmed，2014，9（1）

[13] 高清河，剛晶，王和禹，等.基于GVF Snake模型的舌像分割研究[J].科技視界，2018，6：131-132

[14]姚霆，張煒，劉金根.基于深度學(xué)習(xí)的圖像分割技術(shù)[J].人工智能，2019（2）：66-75

[15] Zhexue Huang. Extensions to the k-Means Algorithm forClustering Large Data Sets with Categorical Values[J]. Kluwer Academic Publishers，1998，2（3）

[16] 劉峰，王博亮，黃曉陽(yáng).聚類(lèi)分析在舌苔舌質(zhì)分離中的運(yùn)用[J].漳州師范學(xué)院學(xué)報(bào)（自然科學(xué)版），2007（3）：30-34

[17] 李亞峰.一種基于多字典學(xué)習(xí)的圖像分割模糊方法[J].電子學(xué)報(bào)，2018，46（7）：1700-1709

[18] 肖慶新，張菁，張輝，等.基于輕型卷積神經(jīng)網(wǎng)絡(luò)的舌苔顏色分類(lèi)方法[J].測(cè)控技術(shù)，2019，38（3）：26-31

[19] 楊晶東，張朋.基于遷移學(xué)習(xí)的全連接神經(jīng)網(wǎng)絡(luò)舌象分類(lèi)方法[J].第二軍醫(yī)大學(xué)學(xué)報(bào)，2018，39（8）：897-902

[20] 湯一平，王麗冉，何霞，等.基于多任務(wù)卷積神經(jīng)網(wǎng)絡(luò)的舌象分類(lèi)研究[J].計(jì)算機(jī)科學(xué)，2018，45（12）：255-261

[21] 王昇，劉開(kāi)華，王麗婷.舌診圖像點(diǎn)刺和瘀點(diǎn)的識(shí)別與提取[J].計(jì)算機(jī)工程與科學(xué)，2017，39（6）：1126-1132

[22] 劉夢(mèng)，王曦廷，周璐，等.基于深度學(xué)習(xí)與遷移學(xué)習(xí)的中醫(yī)舌象提取識(shí)別研究[J].中醫(yī)雜志，2019，60（10）：835-840

[23] 王憶勤，郭睿，許朝霞，等.中醫(yī)四診客觀化研究在冠心病診斷中的應(yīng)用[J].中醫(yī)雜志，2016，57（3）：199-203

[24] 馬春玲，朱章志，阮永隊(duì).2型糖尿病中醫(yī)始發(fā)病機(jī)的臨床研究[J].新中醫(yī)，2011，43（6）：28-31