一种用于识别舌头苔形、苔质APP的数学模型

摘要

本发明公开了一种用于识别舌头苔形、苔质APP的数学模型，S1、获取舌头照片；S2、颜色识别，计算得出舌苔面积与轮廓面积之比α、初算颗粒总面积与轮廓面积之比γ以及平均面积，并计算得出重计颗粒个数j；S3、将舌苔面积与轮廓面积之比α代入苔形数学模型，获取苔形指数Sh；S4、将初算颗粒总面积与轮廓面积之比γ及重计颗粒个数j代入苔质数学模型，获取苔质指数Gr，本发明涉及数学模型技术领域。该用于识别舌头苔形、苔质APP的数学模型，对舌象进行数字化处理，并经过数学模型计算，能够自动获取舌头的苔形、苔质数值，通过数学建模将舌诊数字化，从而实现舌诊的计算机化和智能化，且误差范围小，准确性更高。

说明书

技术领域

本发明涉及数学模型技术领域，具体为一种用于识别舌头苔形、苔质APP 的数学模型。

背景技术

舌为心之苗，脾之外候，苔由胃气所生。脏腑通过经脉与舌相联中医诊 断疾病的重要客系，手少阴之别系舌本，足少阴之脉挟舌本，足厥阴之脉络 舌本，足太阴之脉连舌本，散舌下，故脏腑病变，可在舌质和舌苔上反映出 来，舌诊主要诊察舌质和舌苔的形态、色泽、润燥等，以此判断疾病的性质、 病势的浅深、气血的盛衰、津液的盈亏及脏腑的虚实等。

舌诊作为传统医学“望”诊的重要内容，在临床上是一种重要的观察手 段，它通过观察舌象，来了解人体生理功能和病理变化，从现代医学的角度 看，舌黏膜以及舌本体的变化，也是一种客观的体征，可以帮助人们判断病 情，甚至有一些疾病，单靠舌形、舌色等，即可作出大致的诊断。

现有的中医舌诊过程仍然依靠目测，并根据自身经验来判断舌苔的苔形、 苔质，再判断病情，因此需要人们有足够的看诊经验，否则很容易出现误差， 而目前还没有可自动识别苔形、苔质的人工智能。

发明内容

(一)解决的技术问题

针对现有技术的不足，本发明提供了一种用于识别舌头苔形、苔质APP 的数学模型，解决了目前舌诊过程中，人工目测判断舌苔苔形、苔质需要医 生经验丰富，容易出现判断误差，影响后续病情判断的问题。

(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：一种用于识别舌 头苔形、苔质APP的数学模型，具体包括以下步骤：

S1、获取舌头照片：先用高清摄像头对人的舌头进行拍摄，然后将舌头 图像导入计算机内，再通过Mask R-CNN模型自动获取舌头轮廓，并将舌头轮 廓内部的图像提取出来，去除周围多余图像并保存；

S2、获取到准确的舌象图形后，进行颜色识别，计算得出舌苔面积与轮 廓面积之比α、初算颗粒总面积与轮廓面积之比γ以及平均面积，然后做(平 均面积^0.5)/2π腐蚀运算，得到重计颗粒个数j；

S3、将步骤S2获取的舌苔面积与轮廓面积之比α代入苔形数学模型，获 取苔形指数Sh；

S4、将步骤S2获取的初算颗粒总面积与轮廓面积之比γ及重计颗粒个数 j代入苔质数学模型，获取苔质指数Gr。

优选的，所述步骤S2中，舌苔取色范围＝[R>λ1]∩[G>λ2]∩[B<255]的 像素点，颗粒取色范围＝[R>λ3]∩[G>λ4]∩[B<255]的像素点，平均面积＝初 算颗粒总面积/(初算颗粒个数+1)。

优选的，所述步骤S3中苔形数学模型公式为：

苔形指数Sh＝{e^(Ф^2)-e^[(1-A)^2]}/e^[(1-A)^(1/2)]×e^|Δμ|；

其中，A＝α×[α×(α-Ф)+Ф]，舌苔舌质色差Δμ＝(苔色μ-质色 μ)/(苔色μ+质色μ)；

其中，μ＝∮R×0.299+G×0.587+B×0.144。

优选的，所述步骤S4中苔质数学模型公式为：

苔质指数Gr＝{[(e^γ)/(e^α)]×α-{e^[(π/4)×(Ф^2)×Ф]/(e^Ф)} ×Ф}/{[LN(j+e)]/e}。

优选的，所述苔形数学模型公式及苔质数学模型公式中，e为自然对数的 底数，且e≈2.718。

优选的，所述

(三)有益效果

本发明提供了一种用于识别舌头苔形、苔质APP的数学模型。与现有技 术相比具备以下有益效果：

(1)、该用于识别舌头苔形、苔质APP的数学模型，通过S1、获取舌头 照片：先用高清摄像头对人的舌头进行拍摄，然后将舌头图像导入计算机内， 再通过Mask R-CNN模型自动获取舌头轮廓，并将舌头轮廓内部的图像提取出 来，去除周围多余图像并保存；S2、获取到准确的舌象图形后，进行颜色识 别，计算得出舌苔面积与轮廓面积之比α、初算颗粒总面积与轮廓面积之比 γ以及平均面积，然后做(平均面积^0.5)/2π腐蚀运算，得到重计颗粒个数j； S3、将步骤S2获取的舌苔面积与轮廓面积之比α代入苔形数学模型，获取苔 形指数Sh；S4、将步骤S2获取的初算颗粒总面积与轮廓面积之比γ及重计颗 粒个数j代入苔质数学模型，获取苔质指数Gr，对舌象进行数字化处理，并 经过数学模型计算，能够自动获取舌头的苔形、苔质数值，从而为医生进行 舌诊提供数据支持，方便医生更准确的对患者病情做出判断，且误差范围小， 准确性更高。

具体实施方式

下面将对本发明实施例中的技术方案进行清楚、完整地描述，显然，所 描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发 明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的 所有其他实施例，都属于本发明保护的范围。

本发明实施例提供一种技术方案：一种用于识别舌头苔形、苔质APP的 数学模型，具体包括以下步骤：

S1、获取舌头照片：先用高清摄像头对人的舌头进行拍摄，然后将舌头 图像导入计算机内，再通过Mask R-CNN模型自动获取舌头轮廓，Mask R-CNN 是基于Faster R-CNN提出来的一个网络架构，在Faster R-CNN上面加了一 个Mask Prediction Branch，并且改良了ROI Pooling，提出了ROI Align， 并将舌头轮廓内部的图像提取出来，去除周围多余图像并保存；

S2、获取到准确的舌象图形后，进行颜色识别，计算得出舌苔面积与轮 廓面积之比α、初算颗粒总面积与轮廓面积之比γ以及平均面积，然后做(平 均面积^0.5)/2π腐蚀运算，得到重计颗粒个数j；

S3、将步骤S2获取的舌苔面积与轮廓面积之比α代入苔形数学模型，获 取苔形指数Sh；

S4、将步骤S2获取的初算颗粒总面积与轮廓面积之比γ及重计颗粒个数 j代入苔质数学模型，获取苔质指数Gr。

本发明实施例中，步骤S2中，舌苔取色范围＝[R>λ1]∩[G>λ2]∩[B<255] 的像素点，颗粒取色范围＝[R>λ3]∩[G>λ4]∩[B<255]的像素点，平均面积＝ 初算颗粒总面积/(初算颗粒个数+1)。

本发明实施例中，步骤S3中苔形数学模型公式为：

苔形指数Sh＝{e^(Ф^2)-e^[(1-A)^2]}/e^[(1-A)^(1/2)]×e^|Δμ|；

其中，A＝α×[α×(α-Ф)+Ф]，舌苔舌质色差Δμ＝(苔色μ-质色 μ)/(苔色μ+质色μ)；

其中，μ＝∮R×0.299+G×0.587+B×0.144。

本发明实施例中，步骤S4中苔质数学模型公式为：

苔质指数Gr＝{[(e^γ)/(e^α)]×α-{e^[(π/4)×(Ф^2)×Ф]/(e^Ф)} ×Ф}/{[LN(j+e)]/e}。

本发明实施例中，苔形数学模型公式及苔质数学模型公式中，e为自然对 数的底数，且e≈2.718。

本发明实施例中，

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来 将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示 这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、 “包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系 列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明 确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有 的要素。

尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而 言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行 多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限 定。