专利名称：基于舌象的中医八纲证候计算机分类方法
技术领域：
本发明涉及的是一种分析方法，具体地说是一种对人体舌相进行计算机分析的方法。
背景技术：
八纲辨证是从阴阳、表里、寒热、虚实四对矛盾的不同的八个方面去认识、分析和归纳病证规律的方法。运用这种方法，就能将疾病发展过程中所表现出来的千变万化的复杂临床现象，进行概括，使之条理化、规律化。疾病的表现尽管极其复杂，但基本上都可以归纳于八纲之中。疾病的类别，不外阴证、阳证两大类病位的浅深，不在表就在里；疾病的性质不是热证，便是寒证；邪正的盛衰，邪气盛的叫实证，正气衰的叫虚证。因此，八纲辨证就是把千变万化的病证，归纳为表与里、寒与热、虚与实、阴与阳四对纲领性证候，用以指导临床治疗。其中阴阳两纲又可以概括其它六纲，即表、热、实证属阳；里、寒、虚证属阴，所以，阴阳又是八纲中的总纲。
具体来说表里辨证是辨别病变部位和病势趋向的一种辨证方法。一般地说，病在皮毛、肌腠，部位浅在者属表证；病在脏腑、血脉、骨髓，部位深在者属里证。寒热，是辨别疾病性质的两个纲领。由于寒热是阴阳偏盛偏衰的具体表现，一般地说，寒证是机体阳气不足或感受寒邪所表现的征候，热证是机体阳气偏盛或感受热邪所表现的征候。虚实辨证，是分析辨别邪正盛衰的两个纲领。虚指正气不足，虚证便是由正气不足所表现的证候。实指邪气过盛，实证便是由邪气过盛所表现的证候。阴阳是八纲辨证的总纲，用以统括其余的六个方面，即表、热、实证属阳证，里、寒、虚证属阴证。
但是目前对阴阳、表里、寒热、虚实四对矛盾的分析判别还是靠中医医师的经验进行的，具有一定的随意性，难以达到准确、可靠的目的。特别是这种人工分析判别的方式，不可能作为一种通用的检测方法被广泛推广应用。
发明内容本发明的目的在于提供一种自动化程度高、快速准确、具有广泛的应用价值的基于舌象的中医八纲证候计算机分类方法。
本发明的目的是这样实现的1、运用Boosting投票表决分类器对舌质纹理、舌苔文理进行分析，判断出虚症、实症，里症、表症；2、使用树状分类器对苔色进行分析，判断出黑苔、黄苔、白苔或灰苔；3、首先，使用树状分类器将舌色分成青；蓝、淡白、紫、淡紫、淡红；红、绛3个大类；然后，将8维舌色特征向量作为输入，使用线性分类器对每个大类进行最终的分析，判断出红、淡红、绛、紫、淡紫、蓝、青和淡白。
本发明的优点在于根据不同的证候和疾病的特点，运用不同的诊断模型，对所处理的证候和疾病进行分析，实验在较大的样本集上进行，诊断结果也较令人满意。采用本发明的方法，可以实现各种证候和疾病分析的计算机化，消除人为分析对结果的影响，达到快速准确的目的。具有广泛的实用价值。
图1是基于boosting的证候诊断系统结构图；图2是舌图像颜色分类算法的总体框架图；图3淡白舌G分量分布；图4淡白舌中亮度大于150的像素比例分布。
具体实施方式
下面举例对本发明做更详细地描述1、基于boosting的证候诊断建模Boosting由Freund和Schapire于1990年提出，是提高预测学习系统预测能力的有效工具之一，也是组合学习中最具代表性的方法，它试图提供一种提升任意学习算法精度的普遍方法。
在Valiant的PAC模型中，若存在一个多项式级的学习算法以识别一组概念，且识别的正确率很高，那么这组概念是强学习的；如果学习算法识别一组概念的正确率仅比随机猜测略好，那么这组概念是弱学习的。
Kearns和Valiant提出了弱学习算法与强学习算法的等价问题在PAC模型中一个“弱”学习器是否能被“提升”为一个具有任意精度的“强”学习算法如果两者等价，那么在学习概念时，只要找到一个比随机猜测略好的学习算法，就可以将其提升为强学习算法，而不必直接去找通常情况下很难获得的强学习算法。
Boosting方法的主要思想是给定一弱学习算法和一训练集(X1，Y1)，(X2，Y2)，…，(Xn，Yn)，这里Xi为第i个训练样本的输入，Yi为分类问题的类别标志。算法开始先给每一个训练样本赋以相等的权值1/n，然后用该学习算法对训练集训练T轮，每次训练后，对训练失败的训练样本赋以较大的权值，也就是让学习算法在后续的学习中集中对比较难的训练样本进行学习，从而得到一个预测函数序列h1，h2，…，hn，其中hi也有一定的权值，预测效果好的预测函数的权值较大，反之较小。最终的预测函数H采用有权值的投票方式对新样本进行判别。Boosting算法的伪代码如下所示(1)输入(X1，Y1)，(X2，Y2)，…，(Xn，Yn)初始化D1( )＝1/n(2)For t＝1，…，T①在Dt下训练，得到预测函数ht②计算该预测函数的错误率Et＝∑Dt( )[(ht，Xt)≠Yt]选择αt＝1/2 ln((1-Et)/Et)③根据错误率更新样本的权重当ht(Xt)≠Yt时Dt+1( )＝Dt( )*exp(αt)当ht(Xt)＝Yt时Dt+1( )＝Dt( )*exp(-αt)并调整饰的权重和为1(3)输出H(X)＝sign(∑αht(X))以中医八纲辩证为例，下面给出由基于Boosting投票表决分类器所导出辩证模型的部分表述If舌质嫩纹理块数量＞舌质苍老纹理块数量then虚证If舌质嫩纹理块数量＜舌质苍老纹理块数量then实证Else无法判断If舌苔厚纹理块数量＞舌苔薄纹理块数量then里证If舌苔厚纹理块数量＜舌苔薄纹理块数量then表证Else无法判断2、基于树状分类器的证候诊断模型我们将舌图像颜色分类为4种苔色(黑、灰、白、黄)和8种舌色(红、淡红、紫、淡紫、绛、蓝、青、淡白)。根据前面的分类结果，我们已经可以得到每一张舌图像在这些颜色下的像素面积百分比。下面，将利用这12个值组成的12维颜色比例特征向量来设计舌图像颜色的分类算法。
将这12维特征向量分成一个4维的苔色特征向量和8维的舌色特征向量，分别设计苔色和舌色的分类算法。大概的思路如下所述(1)由于舌图像上苔色情况简单，使用树状分类器可以实现对苔色的分类。
(2)针对舌图像上舌色情况的复杂性，我们的想法是首先，使用树状分类器进行粗分类，将舌色分成3个大类(青；蓝、淡白、紫、淡紫、淡红；红、绛)；然后，针对某些颜色(如淡白、蓝)的特殊性质，加入有益的限制条件，以提高分类的准确性；最后，将8维舌色特征向量作为输入，使用线性分类器对每个大类进行最终的细分类。图给出了舌图像颜色分类算法的框架图。选择舌色提取次序的原则易分离的颜色先进行提取，以免影响后面的颜色类别。
3、苔色判断算法设输入舌图像Img的4维苔色特征向量为(black，gray，white，yellow)(分别代表黑、灰、白和黄)，则苔色判断算法如下所述(树状分类器)(1)若black＞gray&black＞white&black＞yellow，则判断为黑苔；否则，(2)若yellow＞gray&yellow＞white&yellow＞black，则判断为黄苔；否则，(3)若white＞gray&white＞yellow&white＞black，则判断为白苔；否则，(4)判断为灰苔。
4、舌色判断算法设输入舌图像Img的8维舌色特征向量为(red，lightred，darkred，purple，lightpurple，blue，green，lightwhite)(分别代表红、淡红、绛、紫、淡紫、蓝、青和淡白)，则舌色判断算法如下所述(1)使用树状分类器，将舌图像Img分类为3个大类(青；红、绛；淡红、淡紫、紫、蓝、淡白)中的一类。其中，输入向量是由8维舌色特征向量进行对应维合并后的3维特征向量；(2)对于“红、绛”类。将8维舌色特征向量作为输入，使用事先训练好的2类线性分类器进行分类，判断为红或绛；
(3)对于“淡红、淡紫、紫、蓝、淡白”类。若blue＞(lightpurple*150％)且通过线性分类器判断为蓝，则作为蓝(分析见后文)；否则，计算舌图像Img的RGB平均值向量(r，g，b)和舌图像Img亮度值L＞150的像素比例值ratio，若ratio＞0.7627&g＞＝148.5且通过线性分类器判断为淡白，则作为淡白(分析见后文)；否则，将8维舌色特征向量作为输入，使用事先训练好的3类线性分类器进行分类，判断为淡红、淡紫或紫。
上述算法中使用了一些经验值以及经验公式，下面将进行必要的分析与解释。这些经验值与经验公式均来自对日常实验结果的分析。对于蓝舌色的判断依据图5-3是5张较典型蓝舌图像在舌色苔色上的比例分布图。如图所示，在第5，6(分别是淡紫和蓝分量)处具有较明显的分布规律，可以得到如下的经验公式蓝＞淡紫*150％。实验表明，该经验公式取得了不错的效果。
对于淡白舌色的判断依据经过仔细观察，可以发现，淡白舌图像在亮度上较其他舌图像更高，且亮度大的像素相对较多。根据这些分析，我们作出了RGB下G分量均值以及亮度值＞150的像素比例Ratio的分布图，如图3、4所示。由图可以得到经验阈值及其限制公式Ratio＞0.7627&G＞＝148.5。实验结果也证明了该方法的有效性。
权利要求
1.一种基于舌象的中医八纲证候计算机分类方法，其特征是(1)运用Boosting投票表决分类器对舌质纹理、舌苔文理进行分析，判断出虚症、实症，里症、表症；(2)使用树状分类器对苔色进行分析，判断出黑苔、黄苔、白苔或灰苔；(3)首先，使用树状分类器将舌色分成青；蓝、淡白、紫、淡紫、淡红；红、绛3个大类；然后，将8维舌色特征向量作为输入，使用线性分类器对每个大类进行最终的分析，判断出红、淡红、绛、紫、淡紫、蓝、青和淡白。
2.根据权利要求1所述的基于舌象的中医八纲证候计算机分类方法，其特征是所述的运用Boosting投票表决分类器对舌质纹理、舌苔文理进行分析，判断出虚症、实症，里症、表症是If舌质嫩纹理块数量＞舌质苍老纹理块数量then虚证；If舌质嫩纹理块数量＜舌质苍老纹理块数量then实证；Else无法判断；If舌苔厚纹理块数量＞舌苔薄纹理块数量then里证；If舌苔厚纹理块数量＜舌苔薄纹理块数量then表证；Else无法判断。
3.根据权利要求1所述的基于舌象的中医八纲证候计算机分类方法，其特征是所述的使用树状分类器对苔色进行分析，判断出黑苔、黄苔、白苔或灰苔是输入舌图像Img的4维苔色特征向量为black、gray、white、yellow，分别代表黑、灰、白和黄，则苔色判断算法如下(1)若black＞gray & black＞white & black＞yellow，则判断为黑苔；否则，(2)若yellow＞gray & yellow＞white & yellow＞black，则判断为黄苔；否则，(3)若white＞gray & white＞yellow & white＞black，则判断为白苔；否则，(4)判断为灰苔。
4.根据权利要求1所述的基于舌象的中医八纲证候计算机分类方法，其特征是所述的首先，使用树状分类器将舌色分成青；蓝、淡白、紫、淡紫、淡红；红、绛3个大类；然后，将8维舌色特征向量作为输入，使用线性分类器对每个大类进行最终的分析，判断出红、淡红、绛、紫、淡紫、蓝、青和淡白是输入舌图像Img的8维舌色特征向量为red、lightred、darkred、purple、lightpurple、blue、green、lightwhite，分别代表红、淡红、绛、紫、淡紫、蓝、青和淡白，则舌色判断如下(1)使用树状分类器，将舌图像Img分类为青；红、绛；淡红、淡紫、紫、蓝、淡白3个大类，其中，输入向量是由8维舌色特征向量进行对应维合并后的3维特征向量；(2)对于“红、绛”类，将8维舌色特征向量作为输入，使用事先训练好的2类线性分类器进行分类，判断为红或绛；(3)对于“淡红、淡紫、紫、蓝、淡白”类，若blue＞(lightpurple*150％)且通过线性分类器判断为蓝，则作为蓝，否则，计算舌图像Img的RGB平均值向量(r，g，b)和舌图像Img亮度值L＞150的像素比例值ratio，若ratio＞0.7627& g＞＝148.5且通过线性分类器判断为淡白，则作为淡白，否则，将8维舌色特征向量作为输入，使用事先训练好的3类线性分类器进行分类，判断为淡红、淡紫或紫。
全文摘要
本发明提供的是一种基于舌象的中医八纲证候计算机分类方法。(1)运用Boosting投票表决分类器对舌质纹理、舌苔文理进行分析，判断出虚症、实症，里症、表症；(2)使用树状分类器对苔色进行分析，判断出黑苔、黄苔、白苔或灰苔；(3)首先，使用树状分类器将舌色分成青；蓝、淡白、紫、淡紫、淡红；红、绛3个大类；然后，将8维舌色特征向量作为输入，使用线性分类器对每个大类进行最终的分析，判断出红、淡红、绛、紫、淡紫、蓝、青和淡白。本发明根据不同的证候和疾病的特点，运用不同的诊断模型，对所处理的证候和疾病进行分析，可以实现各种证候和疾病分析的计算机化，消除人为分析对结果的影响，达到快速准确的目的。具有广泛的实用价值。
文档编号A61B19/00GK1973758SQ200610150868
公开日2007年6月6日 申请日期2006年10月11日 优先权日2006年10月11日
发明者张大鹏, 李乃民, 王宽全, 黄勃, 张宏志 申请人:哈尔滨工业大学