面向中醫(yī)面診診斷信息提取的若干關(guān)鍵技術(shù)研究.pdf

1、面診是中醫(yī)望診的重要內(nèi)容，為中醫(yī)臨床必察之項。中醫(yī)學(xué)認為，人體是一個有機的整體，面部猶如反映人體生理病理的一面鏡子，望五官神色變化，可直接診察臟腑病變。 面診的優(yōu)點在于它的方便和快捷：無論多么復(fù)雜的病癥，通過查看患者的面部，就能快速地闡明主要的病理過程。因此，在臨床應(yīng)用、自我診斷方面具有重要的價值。按照21世紀(jì)醫(yī)學(xué)最有前景的診斷方向：無痛、無傷，面診是很少的診法之一。 然而，傳統(tǒng)的面診方法依賴于醫(yī)生直觀的定性觀察。人眼難

2、以分辨細小的差異，判斷結(jié)果容易因人而異，具有主觀性，重復(fù)性也差。這些缺點給面診的進一步發(fā)展帶來嚴(yán)重的困難。因此，對中醫(yī)面診的客觀化進行研究，對于中醫(yī)辯證規(guī)范化，及中醫(yī)教學(xué)、科研手段的現(xiàn)代化，具有重要的理論和實際意義。 中醫(yī)面診客觀化在本文中具體指的是對面色與眼神這兩種主要的面診診斷信息的自動識別、量化及其辯證推演。本研究意在填補國內(nèi)在中醫(yī)診斷信息自動提取中有關(guān)頭面望診方面的空白。研究的目標(biāo)是建立自動提取面色和眼球運動信息的計算方

3、法，為中醫(yī)面診診斷信息的量化、分析與處理提供理論和方法上的支持。研究內(nèi)容為面色、眼神信息自動提取中涉及的若干關(guān)鍵技術(shù)，主要包括：多姿人臉檢測、人臉特征定位、中醫(yī)面色識別和針對面診的眼動跟蹤。 主要研究成果歸納如下： (1)提出了一種在復(fù)雜背景下的多姿人臉檢測方法。該方法直接利用角點構(gòu)造疑似人臉窗口，避免了因角度估計失敗帶來的檢測率下降。在檢測方法上還做了以下改進：(a)引入目標(biāo)物體邊緣先驗規(guī)則，加快了檢測速度；(b)利用

4、LAB顏色空間的L分量對圖像做光線校正。在CMU正面和平面旋轉(zhuǎn)測試集上分別取得了95.1％和94.6％的檢測率，誤檢窗口數(shù)分別為43和24，在Feret側(cè)轉(zhuǎn)測試集上取得了89.7％的檢測率，誤檢窗口數(shù)15。實驗結(jié)果表明，該方法解決了正面、平面旋轉(zhuǎn)和側(cè)轉(zhuǎn)人臉的檢測問題，同時還在遮擋、光照、圖像分辨率等多方面具有較高的魯棒性。另外，在中醫(yī)面診人臉庫中的檢測率達到了100％、誤檢窗口0個，表明該方法可用在中醫(yī)面診圖像處理與分析上。 (

5、2)提出了一種稱為FC—ASM的物體輪廓提取方法。該方法首先以FCM聚類結(jié)果作為C—V分割模型的初始位置，加快了C—V模型的收斂速度，同時提高了準(zhǔn)確性；其次，改進了ASM模型：將由C—V模型分割出的物體局部輪廓作為匹配過程中的固定點，得到物體的全局輪廓。該方法充分利用了物體的幾何信息和統(tǒng)計模型的先驗知識，對于幾何信息較強的區(qū)域做精確分割，而對于幾何信息較弱的區(qū)域利用統(tǒng)計知識有目的地獲取輪廓。該方法成功地應(yīng)用于人臉特征輪廓提取，在正面人臉

6、圖像上，定位精度較目前主流的AAM模型高出27.2％，且具有較高的魯棒性，這為中醫(yī)面色信息的自動提取提供了準(zhǔn)確的參考位置。 (3)根據(jù)中醫(yī)面色臟腑分屬圖，首次提出中醫(yī)面色識別的方法并取得了84.6％的識別率。該方法在標(biāo)準(zhǔn)化的條件下，以面色臟腑分屬圖上特征點的LAB顏色作為面色特征，通過FCM聚類區(qū)分基色和面色，從圖像上自動提取面診特征向量并利用支持向量機自動歸類識別，為面診自動邏輯推理提供依據(jù)，也具有一定的臨床診斷參考價值。

7、 (4)建立了一個面向中醫(yī)面診的眼動跟蹤模型。該模型在標(biāo)準(zhǔn)化的光照條件下，以鼻孔作為參考點，充分利用Camshift跟蹤算法和Lucas—Kanade光流的實時性，快速地計算眼球運動速率和軌跡。在分辨率為640×480的視頻上，取得了25幀/秒的跟蹤速度，該研究成果為中醫(yī)眼神分析奠定了基礎(chǔ)。 各項實驗結(jié)果表明，本文提出的解決方法是有效的，基本達到了預(yù)期的研究目標(biāo)。該研究對于擴大四診客觀化研究的范圍、豐富中醫(yī)診斷信息提取方法有