论文部分内容阅读
目的:(1)通过对古代典籍以及近20年现代文献有关望神（眼神）源流和提取方法的整理研究，为眼神特征信息的计算机识别提供理论和技术上的支持;(2)利用计算机图像分析和人工智能技术对中医眼神特征进行提取和分类，建立中医眼神特征识别方法。(3)应用中医面诊数字化检测系统客观地描述患病人群（大肠癌、脑卒中、脑外伤等）的眼神及面色、光泽和唇色特征信息，并比较其与正常人群之间的差别。 方法:(1)以中医理论为指导，运用计算机图像边缘检测、AdaBoost级联技术和二值化算法，对中医望神中的眼神特征进行提取与分析;利用决策树、BP神经网络、支持向量机3种方法对眼神特征进行分类，建立中医眼神特征识别方法，并对该方法进行有效性验证。(2)应用中医面诊数字化分析系统检测正常人群和患病人群的眼神、面色、光泽以及唇色参数。并应用统计学方法对两者之间的参数进行比较。 结果:(1)通过对有关望神（眼神）源流和提取方法的文献整理，为眼神特征信息的计算机识别奠定了理论基础。(2)建立了中医眼神特征识别方法:运用计算机图像边缘检测、AdaBoost级联技术和二值化算法，提取了眨眼频率、单次眨眼时间、长眨眼次数、虹膜暴露比、眼球移动幅度、眼睛开合度6个可能反映眼神状态的数字特征，通过特征选择筛选出眨眼频率、单次眨眼时间、虹膜暴露比、眼球移动幅度、眼睛开合度5个对眼神识别有意义的数字特征，这些特征和传统中医望诊中所表达的眼神信息有一定的相关性。然后通过决策树、BP神经网络、支持向量机3种方法进行分类，均得到令人满意的效果，识别准确率分别为92.5％、94.0％、96.0％。其中以支持向量机分类结果最好，准确率达到96.0％。(3)患病组与正常组之间眼神特征参数存在差异:与正常组比较，患病组的眨眼频率较正常组升高(P＜0.05);患病组眼球移动幅度较正常组偏小(P＜0.05)，单次眨眼时间较正常组偏长(P＜0.05)。(4)患病组与正常组之间面色、光泽和唇色参数比较存在差异:与正常组比较，患病组的面部黄色指数明显升高(P＜0.05)，红色指数、青色指数明显降低（P＜0.05）;患病组的有光泽指数明显降低(P＜0.05)，无光泽指数明显升高(P＜0.05);唇色方面，患病组的H、S、L三组参数均较正常组明显降低(P＜0.05)。 结论:(1)运用计算机图像边缘检测、AdaBoost级联技术和二值化算法对眼神特征进行提取，筛选出眨眼频率、单次眨眼时间等5个有意义的眼神特征，这些特征和传统中医望诊中所表达眼神信息有一定的相关性。(2)本研究首次建立了中医眼神特征的自动识别方法，为中医望诊中眼神的客观识别研究提供了一种新的思路，为辅助临床辨证诊断提供了客观依据。(3)中医面诊数字化检测系统能够客观地描述不同人群眼神、面色、光泽和唇色特征，能在一定程度反应患病人群与正常人群间在面部神色信息参数上的差异，提示眼神、面色等参数可作人体健康状态检测的客观依据之一。