本发明涉及深度学习中的图像处理、计算机视觉中的图像识别领域；具体涉及一种基于深度学习的中医四诊之舌底与舌面图像分析方法
背景技术：
1、中医舌诊作为一种重要的传统诊断手段，其通过观察舌头的颜色、形状、舌苔等多种表现来推断人体的健康状况。然而，传统的舌诊方法依赖于医生的个人经验和主观判断，这使得诊断结果存在一定的不确定性和变异性，特别是在不同医生之间。随着科技的发展，尤其是在图像处理和机器学习领域的进步，现代医学诊断技术正在朝着自动化、精准化的方向发展。在这一背景下，将深度学习应用于中医舌诊，不仅可以标准化诊断过程，还可以提高诊断的准确性和重复性。
2、目前，尽管已有研究尝试通过计算机视觉技术自动分析舌象，但这些方法大多侧重于图像的基本处理，如舌体边缘检测、颜色识别等，而对于舌象特征的深层次分析和健康状态的综合判断尚不足够。此外，现有的技术在处理复杂和变化多端的舌象特征时，往往需要大量的手动干预，这限制了其在临床实践中的广泛应用。
技术实现思路
1、为解决上述问题，本发明公开了一种基于深度学习的舌底与舌面图像分析方法，基于对中医舌诊的舌底与舌面图像的分析，通过结合图像分析和机器学习技术，提取舌象特征，并通过智能算法从中识别出健康状态的模式，实现对个体健康状况的快速预测。
2、为解决上述技术问题，本发明提供一种基于深度学习的中医四诊之舌底与舌面图像分析技术，包括如下组成部分：
3、(1)图像采集模块：用于用户上传舌底与舌面的图像。
4、(2)深度学习分析单元模块：该模块包含预训练的神经网络，用于分析上传的舌面与舌底图像。网络通过提取图像的关键特征来识别和分类中医四诊相关的健康指标。
5、(3)特征数据库模块。
6、(4)诊断结果分析和评估模块。
7、(5)结果展示和报告模块：将分析和诊断结果以用户友好的视觉格式展示，包括健康评估报告和可能的医疗建议，以助于用户或医疗专业人员理解和使用。
8、优选的，组成部分(1)中，图像采集模块，具体包括如下组成部分：
9、(11)采用高斯双边滤波算法去除图像中的随机噪声。该算法通过结合空间域和像素值域的权重，对图像进行平滑处理，能够在去除噪声的同时保留图像的边缘和纹理细节，改善图像质量。
10、(12)利用拉普拉斯算子增强图像的边缘和纹理细节。拉普拉斯算子是一种二阶导数算子，通过检测图像中像素灰度值变化较大的区域(即边缘)，实现边缘的锐化和细节增强，有助于后续深度学习模型对舌象特征的准确提取
11、优选的，组成部分(2)中，深度学习分析单元模块接收和处理舌底与舌面的图像并提取有关中医四诊的相关信息，具体包括如下组成部分：
12、(21)使用具有多层卷积层的深度卷积神经网络提取图像的基础特征。卷积层可以捕捉图像中的局部模式和结构信息，如纹理和轮廓
13、(22)结合局部二值模式从预处理的图像数据中提取关键的舌诊特征。lbp是一种有效的纹理描述子，通过比较每个像素与其邻域像素的灰度值，生成二值模式图，可以捕捉舌象图像中的微观纹理特征。
14、(23)利用gabor滤波器进一步提取图像的纹理和边缘信息。gabor滤波器是一种线性滤波器，能够模拟人类视觉系统的纹理感知特性，通过多尺度和多方向的滤波操作，提取图像的纹理特征。
15、(24)应用主成分分析对高维图像数据进行降维，保留主要特征成分，减少数据维度，提高模型的计算效率和泛化能力。使用自编码器对图像特征进行非线性降维和重构，自编码器通过对输入特征的压缩和解码，能够提取高维数据中的隐含特征，进一步优化特征表示。
16、优选的，组成部分(3)中，利用已有的特征数据库，将上传的舌底与舌面图像的数据进行比对和匹配，具体包括如下组成部分：
17、(31)特征数据库采用哈希表(hash tab l e)作为索引系统，通过对特征向量进行哈希编码，实现快速查找和匹配。哈希表具有高效的插入和查询性能，能够快速定位特征向量在数据库中的位置，显著提高比对和匹配的速度
18、(32)利用支持向量机(svm)结合深度学习的分类算法，对数据库中的舌诊图像数据进行系统的标注和分类。通过训练好的深度学习分类模型，对新加入的舌象图像数据进行自动标注，生成详细的特征标签和分类结果，确保数据库的持续更新和准确性。
19、(33)利用机器学习算法k最近邻算法(knn)对上传的图像数据进行初步筛选，找到与上传图像特征最接近的数据库记录，以支持自动化的疾病识别和健康状况分析。
20、优选的，组成部分(4)中，诊断结果分析和评估模块：用于对图像数据进行分析和解释，具体包括如下组成部分：本发明分别使用相关系数和余弦相似度来计算舌底与舌面图像的特征数据与数据库中的样本的相似性；使用支持向量机进行疾病模式的识别与分类；
21、(41)根据相似度匹配和查询处理的结果，返回与新样本最相似的舌诊特征信息和健康状态映射关系。如果匹配结果不满足要求或数据库中没有对应的数据，则考虑更新数据库，添加新的舌诊特征数据，并进行相应的数据管理和索引更新；
22、优选的，组成部分(5)中，结果显示和报告模块：将分析得到的健康评估结果以可视化的形式显示，通过输出设备将结果呈现给用户，并生成健康分析报告，具体包括如下组成部分
23、(51)根据具体的数据和分析需求，将健康评估和分析结果以可视化的形式呈现给用户，包括舌诊数据对应的图表、健康热力图等，以呈现健康参数的变化趋势、相对比例等信息；
24、(52)本发明将通过深度学习模型得到的健康评估数据结果通过计算机可视化工具进行绘制和展示；
25、(53)基于分析结果，综合信息生成健康分析报告，报告包含健康评估结果、数据图表、诊断相关信息。
26、本发明的有益效果：
27、1、利用先进的图像识别和机器学习模型，不仅能自动识别和分析舌象的基本特征，还能从舌象中提取更深层次的健康信息。通过构建大规模的舌象特征数据库和训练深度神经网络模型，本技术能够自动并准确地分析舌象，并与已有的健康记录进行智能匹配，为医生提供科学、客观的诊断依据。
28、2、本发明的应用不仅可以减少医生的工作负担，提高诊断效率，还可以通过精准的舌象分析，为患者提供更为个性化的健康建议和治疗方案。此外，该技术的发展和完善还有望推动传统中医舌诊向更现代、科学的方向发展，增强其在现代医疗体系中的地位和作用。
1.一种基于深度学习的中医四诊之舌底与舌面图像分析方法，其特征在于，具体包括如下组成部分：
2.根据权利要求1所述的一种基于深度学习的中医四诊之舌底与舌面图像分析方法，其特征在于，组成部分(1)中，采用高斯双边滤波算法去除图像中的随机噪声，利用拉普拉斯算子增强图像的边缘和纹理细节；
3.根据权利要求1所述的一种基于深度学习的中医四诊之舌底与舌面图像分析方法，其特征在于，组成部分(2)中，深度学习分析单元模块接收和处理舌底与舌面的图像并提取有关中医四诊的相关信息，具体包括如下组成部分：
4.根据权利要求1所述的一种基于深度学习的中医四诊之舌底与舌面图像分析方法，其特征在于，组成部分(3)中，利用已有的特征数据库，将上传的舌底与舌面图像的数据进行比对和匹配，具体包括如下组成部分：
5.根据权利要求1所述的一种基于深度学习的中医四诊之舌底与舌面图像分析方法，其特征在于，组成部分(4)中，诊断结果分析和评估模块：用于对图像数据进行分析和解释，具体包括如下组成部分：分别使用相关系数和余弦相似度来计算舌底与舌面图像的特征数据与数据库中的样本的相似性；使用支持向量机进行疾病模式的识别与分类；
6.如权利要求1所述的基于深度学习的中医四诊之舌底与舌面图像分析技术，其特征在于，组成部分(5)中，结果显示和报告模块：将分析得到的健康评估结果以可视化的形式显示，通过输出设备将结果呈现给用户，并生成健康分析报告，具体包括如下组成部分
