CN113256557B - 一种基于舌象临症图像的中医舌态鉴别的方法及装置 - Google Patents

一种基于舌象临症图像的中医舌态鉴别的方法及装置 Download PDF

Info

Publication number
CN113256557B
CN113256557B CN202110370110.7A CN202110370110A CN113256557B CN 113256557 B CN113256557 B CN 113256557B CN 202110370110 A CN202110370110 A CN 202110370110A CN 113256557 B CN113256557 B CN 113256557B
Authority
CN
China
Prior art keywords
tongue
picture
array matrix
clinical
calculating
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202110370110.7A
Other languages
English (en)
Other versions
CN113256557A (zh
Inventor
范增
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Lianshi Technology Co ltd
Original Assignee
Beijing Lianshi Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Lianshi Technology Co ltd filed Critical Beijing Lianshi Technology Co ltd
Priority to CN202110370110.7A priority Critical patent/CN113256557B/zh
Publication of CN113256557A publication Critical patent/CN113256557A/zh
Application granted granted Critical
Publication of CN113256557B publication Critical patent/CN113256557B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G06T7/0014—Biomedical image inspection using an image reference approach
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Public Health (AREA)
  • Data Mining & Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Primary Health Care (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Biomedical Technology (AREA)
  • Epidemiology (AREA)
  • Radiology & Medical Imaging (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Databases & Information Systems (AREA)
  • Pathology (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

本发明涉及中医舌象学技术领域，特别是指一种基于舌象临症图像的中医舌态鉴别的方法及装置，包括获取待确定的舌象临症图像，采集所述舌象临症图像的像素值；根据采集的像素值，计算所述舌象临症图像的RGB值；对所述舌象临症图像的RGB值进行深层解析，得到所述舌象临症图像的数组矩阵；将所述舌象临症图像的数组矩阵与所述预先存储的舌态样本图像的数组矩阵进行比对，确定所述舌象临症图像对应的舌态。通过本发明，可以较为准确地确定舌象临症图像对应的舌态。

Description

一种基于舌象临症图像的中医舌态鉴别的方法及装置
技术领域
本发明涉及中医舌象学技术领域，特别是指一种基于舌象临症图像的中医舌态鉴别的方法及装置。
背景技术
中医舌象在临床诊断中起到了十分重要的作用，它是中医理论应用于临床的重要表现形式之一。为了解决患者的疾病，医生需要将中医理论与多年临床经验有机结合，针对患者的舌部颜色和形态体征做出鉴别，然后结合其他症状确定治疗方案(论治)。在临床实践中，有“药不离方，方不离证，证不离症(包含舌象)”之说，看来证在方和症之间是起桥梁作用的。对于辨证的研究来说，辨证的背后有太多的奥妙，要做到既知其然又知其所以然并无捷径可走，一切需要溯本求源。中医舌象是由地图舌、舌有齿痕、舌有裂纹、舌有瘀点、苔有裂纹、……等108个规范化名称组成的。
中医舌象以往都是用感性认识的文字来描述患者的舌色与舌态，例如，地图舌、舌有齿痕、舌有裂纹、舌有瘀点、苔有裂纹等等，医生往往通过自身的多练临床经验判断患者的舌苔对应的舌象，这种情况往往可能存在医生经验不足导致误判的问题。
发明内容
本发明实施例提供了一种基于舌象临症图像的中医舌态鉴别的方法及装置，所述技术方案如下：
一方面，提供了一种基于舌象临症图像的中医舌态鉴别的方法，该方法应用于电子设备，该方法包括：
获取待确定的舌象临症图像，采集所述舌象临症图像的像素值；
根据采集的像素值，计算所述舌象临症图像的RGB值；
对所述舌象临症图像的RGB值进行深层解析，得到所述舌象临症图像的数组矩阵；
将所述舌象临症图像的数组矩阵与所述预先存储的舌态样本图像的数组矩阵进行比对，确定所述舌象临症图像对应的舌态。
可选地，所述采集所述舌象临症图像的像素值，包括：
根据下述公式(1)计算所述舌象临症图像的行数：
PixelRow＝PixelRow+arrByte(i+22)×256i……(1)
其中，PixelRow为行数，arrByte为图像数组，i为行变量；
根据下述公式(2)计算所述舌象临症图像的列数：
PixelCol＝PixelCol+arrByte(j+18)×256j……(2)
其中，PixelCol为列数，j为列变量；
如果所述行数或者列数不是4的倍数，则进行补零操作，并设置Zeroize＝1，否则Zeroize＝0；
根据下述公式(3)计算第一像素中间值：
lngPos＝53+j+(i-1)×(PixelCol×3+Zeroize)……(3)
根据下述公式(4)计算第二像素中间值：
c＝RGB(arrByte(lngPos+2)，arrByte(lngPos+1)，arrByte(lngPos))……(4)。
可选地，所述根据采集的像素值，计算所述舌象临症图像的RGB值，包括：
对于每个像素，通过下述公式(5)计算所述舌象临症图像的R值，通过下述公式(6)计算所述舌象临症图像的G值，通过下述公式(7)计算所述舌象临症图像的B值：
R＝c Mod 256……(7)
G＝(c-R)÷256Mod 256……(8)
B＝(c-R-G×256)÷2562……(9)
其中，c为所述第二像素中间值，Mod为取余运算。
可选地，所述计算所述舌象临症图像的RGB值之后，还包括：
分别建立数组矩阵TCr、TCg、TCb；
将所述舌象临症图像的R值存入数组矩阵TCr中：
Figure GDA0003367985970000021
将所述舌象临症图像的G值存入数组矩阵TCg中：
Figure GDA0003367985970000031
将所述舌象临症图像的B值存入数组矩阵TCb中：
Figure GDA0003367985970000032
可选地，所述对所述舌象临症图像的RGB值进行深层解析，得到所述舌象临症图像的数组矩阵，包括：
建立768个数组矩阵LRGBn，其中，每个数组矩阵LRGB的行数等于所述舌象临症图像的行数，每个数组矩阵LRGB的列数等于所述舌象临症图像的列数，768个数组矩阵LRGBn表示R、G、B每个通道包括256个频道、共计768个频道对应的数组矩阵LRGBn，n为大于0、且小于或等于768的正整数；
根据数组矩阵TCr、TCg、TCb，判断所述舌象临症图像的每个像素在每个通道的每个频道中是否有显示，如果有显示，则在像素对应的频道对应的数组矩阵LRGBn中进行标记。
可选地，所述在像素对应的频道对应的数组矩阵LRGBn中进行标记，包括：
对于位于p行、q列的像素，当确定所述像素在x频道上有显示，则在x频道对应的数组矩阵LRGBx中，将位于p行、q列的数据赋值为1；
其中，p为大于0、且小于或等于PixelRow的正整数，q为大于0、且小于或等于PixelCol的正整数，x为大于0、且小于或等于768的正整数。
可选地，所述方法还包括：
如果所述数组矩阵LRGBn中，第1行至第i行的所有数据均为0，则将第i+1行至PixelRow行的数据均上移i-1行，并将第200-i行至PixelRow行的数据均赋值为0；
如果所述数组矩阵LRGBn中，第1列至第j列的所有数据均为0，则将第j+1列至PixelCol行的数据均上移j-1列，并将第200-j列至PixelCol列的数据均赋值为0。
可选地，所述将所述舌象临症图像的数组矩阵与所述预先存储的舌态样本图像的数组矩阵进行比对，包括：
获取预先存储的舌态样本图像的数组矩阵YRGBn，其中，所述舌态样本图像的数量为y个，y为大于0的正整数；
根据下述公式(10)(11)计算所述舌象临症图像与一个舌态样本图像之间的相似度：
Figure GDA0003367985970000041
Figure GDA0003367985970000042
其中，n＝1、2、3、……、768，表示数组矩阵LRGB以及数组矩阵YRGB的个数；k为LRGBn、YRGBn之差的个数；i＝1、2、3、……、PixelRow，表示数组矩阵的行数；j＝1、2、3、……、PixelCol，表示数组矩阵的列数；m＝1、2、……、y。
可选地，所述确定所述舌象临症图像对应的舌态，包括：
对得到的多个相似度SXm进行排序，确定最大值SXmmax；
确定所述最大值SXmmax对应的舌态，将其确定为所述舌象临症图像对应的舌态；
根据下述公式(12)计算所述舌象临症图像与对应的舌态之间的相似度；
STm＝100×SXmmax÷(256×3)……(12)。
一方面，提供了一种基于舌象临症图像的中医舌态鉴别的装置，该装置应用于电子设备，该装置包括：
采集单元，用于获取待确定的舌象临症图像，采集所述舌象临症图像的像素值；
计算单元，用于根据采集的像素值，计算所述舌象临症图像的RGB值；
解析单元，用于对所述舌象临症图像的RGB值进行深层解析，得到所述舌象临症图像的数组矩阵；
比对单元，用于将所述舌象临症图像的数组矩阵与所述预先存储的舌态样本图像的数组矩阵进行比对，确定所述舌象临症图像对应的舌态。
可选地，所述采集单元，用于：
根据下述公式(1)计算所述舌象临症图像的行数：
PixelRow＝PixelRow+arrByte(i+22)×256i……(1)
其中，PixelRow为行数，arrByte为图像数组，i为行变量；
根据下述公式(2)计算所述舌象临症图像的列数：
PixelCol＝PixelCol+arrByte(j+18)×256j……(2)
其中，PixelCol为列数，j为列变量；
如果所述行数或者列数不是4的倍数，则进行补零操作，并设置Zeroize＝1，否则Zeroize＝0；
根据下述公式(3)计算第一像素中间值：
lngPos＝53+j+(i-1)×(PixelCol×3+Zeroize)……(3)
根据下述公式(4)计算第二像素中间值：
c＝RGB(arrByte(lngPos+2)，arrByte(lngPos+1)，arrByte(lngPos))……(4)。
可选地，所述计算单元，用于：
对于每个像素，通过下述公式(5)计算所述舌象临症图像的R值，通过下述公式(6)计算所述舌象临症图像的G值，通过下述公式(7)计算所述舌象临症图像的B值：
R＝c Mod 256……(7)
G＝(c-R)÷256Mod 256……(8)
B＝(c-R-G×256)÷2562……(9)
其中，c为所述第二像素中间值，Mod为取余运算。
可选地，还包括建立单元，用于：
所述计算所述舌象临症图像的RGB值之后，分别建立数组矩阵TCr、TCg、TCb；
将所述舌象临症图像的R值存入数组矩阵TCr中：
Figure GDA0003367985970000051
将所述舌象临症图像的G值存入数组矩阵TCg中：
Figure GDA0003367985970000052
将所述舌象临症图像的B值存入数组矩阵TCb中：
Figure GDA0003367985970000053
可选地，所述解析单元，用于：
建立768个数组矩阵LRGBn，其中，每个数组矩阵LRGB的行数等于所述舌象临症图像的行数，每个数组矩阵LRGB的列数等于所述舌象临症图像的列数，768个数组矩阵LRGBn表示R、G、B每个通道包括256个频道、共计768个频道对应的数组矩阵LRGBn，n为大于0、且小于或等于768的正整数；
根据数组矩阵TCr、TCg、TCb，判断所述舌象临症图像的每个像素在每个通道的每个频道中是否有显示，如果有显示，则在像素对应的频道对应的数组矩阵LRGBn中进行标记。
可选地，所述解析单元，用于：
对于位于p行、q列的像素，当确定所述像素在x频道上有显示，则在x频道对应的数组矩阵LRGBx中，将位于p行、q列的数据赋值为1；
其中，p为大于0、且小于或等于PixelRow的正整数，q为大于0、且小于或等于PixelCol的正整数，x为大于0、且小于或等于768的正整数。
可选地，还包括数据移动单元，用于：
如果所述数组矩阵LRGBn中，第1行至第i行的所有数据均为0，则将第i+1行至PixelRow行的数据均上移i-1行，并将第200-i行至PixelRow行的数据均赋值为0；
如果所述数组矩阵LRGBn中，第1列至第j列的所有数据均为0，则将第j+1列至PixelCol行的数据均上移j-1列，并将第200-j列至PixelCol列的数据均赋值为0。
可选地，所述比对单元，用于：
获取预先存储的舌态样本图像的数组矩阵YRGBn，其中，所述舌态样本图像的数量为y个，y为大于0的正整数；
根据下述公式(10)(11)计算所述舌象临症图像与一个舌态样本图像之间的相似度：
Figure GDA0003367985970000061
Figure GDA0003367985970000062
其中，n＝1、2、3、……、768，表示数组矩阵LRGB以及数组矩阵YRGB的个数；k为LRGBn、YRGBn之差的个数；i＝1、2、3、……、PixelRow，表示数组矩阵的行数；j＝1、2、3、……、PixelCol，表示数组矩阵的列数；m＝1、2、……、y。
可选地，所述比对单元，用于：
对得到的多个相似度SXm进行排序，确定最大值SXmmax；
确定所述最大值SXmmax对应的舌态，将其确定为所述舌象临症图像对应的舌态；
根据下述公式(12)计算所述舌象临症图像与对应的舌态之间的相似度；
STm＝100×SXmmax÷(256×3)……(12)。
一方面，提供了一种电子设备，所述电子设备包括处理器和存储器，所述存储器中存储有至少一条指令，所述至少一条指令由所述处理器加载并执行以实现上述基于舌象临症图像的中医舌态鉴别的方法。
一方面，提供了一种计算机可读存储介质，所述存储介质中存储有至少一条指令，所述至少一条指令由处理器加载并执行以实现上述基于舌象临症图像的中医舌态鉴别的方法。
本发明实施例提供的技术方案带来的有益效果至少包括：
上述方案中，获取待确定的舌象临症图像，采集舌象临症图像的像素值，根据采集的像素值，计算舌象临症图像的RGB值，对舌象临症图像的RGB值进行深层解析，得到舌象临症图像的数组矩阵，对数组矩阵LRGBn进行数据移动，将舌象临症图像的数组矩阵与预先存储的舌态样本图像的数组矩阵进行比对，确定舌象临症图像对应的舌态。本发明通过像素的物理位置与色彩到的结合，对舌象临症图像的RGB值进行深层解析，通过解析后的768个数组矩阵与样本图像的768个数组矩阵进行逐一比对，排除了很多图像的外界干扰，使得比对的结果更加准确，这样，实现了中医舌象由感性文字描述发展到理性数字描述，中医舌象数字化后可以直观的告诉医生患者的舌部变化情况，为医生更好的辨证论治提供了全新的手段。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种实施环境图；
图2是本发明实施例提供的一种基于舌象临症图像的中医舌态鉴别的方法流程图；
图3是本发明实施例提供的一种基于舌象临症图像的中医舌态鉴别的实验数据示意图；
图4是本发明实施例提供的一种基于舌象临症图像的中医舌态鉴别的装置框图；
图5是本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
为使本发明要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具体实施例进行详细描述。
本发明实施例提供了一种基于舌象临症图像的中医舌态鉴别的方法，该实施环境可以包括至少一个终端101、以及用于为该多个终端101提供服务的服务器102。至少一个终端101通过无线或者有线网络和服务器102连接，该多个终端101可以为能够访问服务器102的计算机设备或智能终端等。
对于舌态鉴别的过程，如图1所示，终端101中至少需要安装有舌态临症图像的像素值采集程序、计算RGB值程序、深层解析程序等，也可以安装有图像比对程序，服务器102中可以具有至少一种数据库，用于存储有舌态样本图像的数组矩阵，也可以存储有图像比对程序。在进行鉴别时，终端101对舌象临症图像进行像素值采集、计算RGB值、深层解析得到舌象临症图像的数组矩阵，在进行图像比对时，可以是终端从服务器上获取舌态样本图像的矩阵数据，终端进行比对；也可以是终端将舌象临症图像的数组矩阵发送至服务器，由服务器进行比对，本发明对此不做限定。服务器102可以是单个终端或终端组。
本发明实施例提供了一种基于舌象临症图像的中医舌态鉴别的方法，该方法可以由电子设备实现，该电子设备可以是终端或服务器，该电子设备中预先存储有计算图像RGB值的算法、以及对图像的RGB值进行深层解析的算法。如图2所示的基于舌象临症图像的中医舌态鉴别的方法流程图，该方法的处理流程可以包括如下的步骤：
步骤201、获取待确定的舌象临症图像，采集舌象临症图像的像素值。
一种可行的实施方式中，待确定的舌象临症图像通常可以通过采集患者的舌象图像得到的，获取待确定的舌象临症图像的方式可以有多种，例如，可以设置有图像采集设备如照相机等，临时采集患者的舌象临症图像，然后传输给电子设备；或者，获取预先存储的患者的舌象临症图像，本发明对此不作限定。
电子设备获取到舌象临症图像后，先读取图像数据，然后采集舌象临症图像的像素值，具体可以包括下述步骤2011-2015：
步骤2011、根据下述公式(1)计算舌象临症图像的行数：
PixelRow＝PixelRow+arrByte(i+22)×256i……(1)
其中，PixelRow为行数，arrByte为图像数组，i为行变量。
步骤2012、根据下述公式(2)计算舌象临症图像的列数：
PixelCol＝PixelCol+arrByte(j+18)×256j……(2)
其中，PixelCol为列数，j为列变量。
步骤2013、如果行数或者列数不是4的倍数，则进行补零操作，并设置Zeroize＝1，否则Zeroize＝0；
步骤2014、根据下述公式(3)计算第一像素中间值：
lngPos＝53+j+(i-1)×(PixelCol×3+Zeroize)……(3)
步骤2015、根据下述公式(4)计算第二像素中间值：
c＝RGB(arrByte(lngPos+2)，arrByte(lngPos+1)，arrByte(lngPos))……(4)。
需要说明的是，舌象临症图像与预先存储的样本图像的尺寸需要相同，为了便于后续的处理以及减轻运算量，在采集舌象临症图像的像素值之前，可以先对舌象临症图像进行预处理，使得舌象临症图像的尺寸为200×200像素，这种情况下，电子设备中预先存储的样本图像的尺寸也是200×200像素。
步骤202、根据采集的像素值，计算舌象临症图像的RGB值。
一种可行的实施方式中，通过上述步骤201采集到舌象临症图像的像素值后，根据采集的像素值，计算舌态临症图像的RGB值。计算图像的RGB值的方式有多种，优选地，可以通过下述方式计算RGB值：
对于每个像素，通过下述公式(5)计算舌象临症图像的R值，通过下述公式(6)计算舌象临症图像的G值，通过下述公式(7)计算舌象临症图像的B值：
R＝c Mod 256……(7)
G＝(c-R)÷256Mod 256……(8)
B＝(c-R-G×256)÷2562……(9)
其中，c为第二像素中间值，Mod为取余运算。
可选地，为了便于存储数据、以及后续的运算，计算舌象临症图像的RGB值之后，还可以分别建立数组矩阵TCr、TCg、TCb，并将RGB数据存储到对应的数组矩阵中，每个数组矩阵的行数等于舌象临症图像的像素行数，每个数组矩阵的列数等于舌象临症图像的像素列数，具体方式可以如下：
将舌象临症图像的R值存入数组矩阵TCr中：
Figure GDA0003367985970000091
将舌象临症图像的G值存入数组矩阵TCg中：
Figure GDA0003367985970000092
将舌象临症图像的B值存入数组矩阵TCb中：
Figure GDA0003367985970000101
步骤203、对舌象临症图像的RGB值进行深层解析，得到舌象临症图像的数组矩阵。
一种可行的实施方式中，R、G、B色彩可以看作3个通道，众所周知，RGB各有256级亮度，每级亮度可看作一个频道，也就是说，色彩的频道数量为3×256＝768个，将舌象临症图像每个像素的物理位置与RGB色彩的频道相结合，深层解析舌象临症图像的特征，这样，在后续比对过程中，可以大大提高比对结果的准确率。具体地，可以包括下述步骤2031-2034：
步骤2031、建立768个数组矩阵LRGBn。
其中，每个数组矩阵LRGB的行数等于舌象临症图像的行数，每个数组矩阵LRGB的列数等于舌象临症图像的列数，768个数组矩阵LRGBn表示R、G、B每个通道包括256个频道、共计768个频道对应的数组矩阵LRGBn，n为大于0、且小于或等于768的正整数。
一种可行的实施方式中，建立数组矩阵LRGBn，给每个数组矩阵中的数据均赋值为0。
步骤2032、根据数组矩阵TCr、TCg、TCb，判断舌象临症图像的每个像素在每个通道的每个频道中是否有显示。
步骤2033、如果有显示，则在像素对应的频道对应的数组矩阵LRGBn中进行标记。
可选地，标记的方法可以如下：
对于位于p行、q列的像素，当确定该像素在x频道上有显示，则在x频道对应的数组矩阵LRGBx中，将位于p行、q列的数据赋值为1，相应的程序语言可以如下：
(TCr(CellRow，CellCol)，i，j)＝1
(TCg(CellRow，CellCol)，i，j)＝1
(TCb(CellRow，CellCol)，i，j)＝1
其中，p为大于0、且小于或等于PixelRow的正整数，q为大于0、且小于或等于PixelCol的正整数，x为大于0、且小于或等于768的正整数。
步骤2034、如果没有显示，则保持像素对应的频道对应的数组矩阵LRGBn中的数据为0。
对上述步骤2031-2034的方法进行举例性说明：假设舌象临症图像的尺寸为200×200像素，位于第1行、第1列的像素点的R值为251，则在进行深层解析时，建立768个数组矩阵后，找到R值251对应的数组矩阵LRGBR251，将该矩阵中位于第1行、第1列的数据赋值为1；假设位于第4行、第8列的像素点的G值为113，则在进行深层解析时，找到G值113对应的数组矩阵LRGBG113，将该矩阵中位于第4行、第8列的数据赋值为1。
步骤204、对数组矩阵LRGBn进行数据移动。
一种可行的实施方式中，如果数组矩阵LRGBn中，第1行至第i行的所有数据均为0，则将第i+1行至PixelRow行的数据均上移i-1行，并将第200-i行至PixelRow行的数据均赋值为0；如果数组矩阵LRGBn中，第1列至第j列的所有数据均为0，则将第j+1列至PixelCol行的数据均上移j-1列，并将第200-j列至PixelCol列的数据均赋值为0。这样，可以解决相似物***于不同图像的不同位置时比对不准确的问题。举例来讲，假设在步骤203中得到数组矩阵LRGBR200如下表1所示：
表1
Figure GDA0003367985970000111
从上表1可以看出，该数组矩阵前2列的数据均为0，因此，可以将第3列至最后一列的数据向左移动，使得原本第3列的数据变为第1列的数据，然后，将最后两列的数据全部赋值为0，变成如下表2所示的数据：
表2
Figure GDA0003367985970000112
步骤205、将舌象临症图像的数组矩阵与预先存储的舌态样本图像的数组矩阵进行比对，确定舌象临症图像对应的舌态。
一种可行的实施方式中，预先存储的舌态样本图像的数组矩阵的获取方式与舌象临症图像的数组矩阵的获取方式相同，也即，通过采集舌态样本图像的像素值、计算舌象临症图像的RGB值、对舌象临症图像的RGB值进行深层解析并得到舌象临症图像的数组矩阵、对数组矩阵LRGBn进行数据移动步骤，得到舌态样本图像的数组矩阵，并将其存储在电子设备中，具体处理方式可以参照上述步骤201-204，本发明在此不做赘述。
相应地，比对的过程可以如下：
步骤2051、获取预先存储的舌态样本图像的数组矩阵YRGBn，其中，舌态样本图像的数量为y个，y为大于0的正整数。
步骤2052、根据下述公式(10)(11)计算舌象临症图像与一个舌态样本图像之间的相似度：
Figure GDA0003367985970000121
Figure GDA0003367985970000122
其中，n＝1、2、3、……、768，表示数组矩阵LRGB以及数组矩阵YRGB的个数；k为LRGBn、YRGBn之差的个数；i＝1、2、3、……、PixelRow，表示数组矩阵的行数；j＝1、2、3、……、PixelCol，表示数组矩阵的列数；m＝1、2、……、y。
步骤2053、对得到的多个相似度SXm进行排序，确定最大值SXmmax。
步骤2054、确定最大值SXmmax对应的舌态，将其确定为舌象临症图像对应的舌态。
需要说明的是，目前通常将舌态划分为35种舌态，对35个舌态进行样本学习时，学习的样本数量越多，舌态临症比对就越准确。
步骤2055、根据下述公式(12)计算舌象临症图像与对应的舌态之间的相似度。
STm＝100×SXmmax÷(256×3)……(12)。
一种可行的实施方式中，如图3所示为实验结果示意图，通过上述方法可以较为准确地确定舌象临症图像对应的舌态。
本发明实施例中，获取待确定的舌象临症图像，采集舌象临症图像的像素值，根据采集的像素值，计算舌象临症图像的RGB值，对舌象临症图像的RGB值进行深层解析，得到舌象临症图像的数组矩阵，对数组矩阵LRGBn进行数据移动，将舌象临症图像的数组矩阵与预先存储的舌态样本图像的数组矩阵进行比对，确定舌象临症图像对应的舌态。本发明通过像素的物理位置与色彩到的结合，对舌象临症图像的RGB值进行深层解析，通过解析后的768个数组矩阵与样本图像的768个数组矩阵进行逐一比对，排除了很多图像的外界干扰，使得比对的结果更加准确，这样，实现了中医舌象由感性文字描述发展到理性数字描述，中医舌象数字化后可以直观的告诉医生患者的舌部变化情况，为医生更好的辨证论治提供了全新的手段。
图4是根据一示例性实施例示出的一种基于舌象临症图像的中医舌态鉴别的装置框图。参照图4，该装置包括采集单元410，计算单元420、解析单元430以及比对单元440。
采集单元410，用于获取待确定的舌象临症图像，采集所述舌象临症图像的像素值；
计算单元420，用于根据采集的像素值，计算所述舌象临症图像的RGB值；
解析单元430，用于对所述舌象临症图像的RGB值进行深层解析，得到所述舌象临症图像的数组矩阵；
比对单元440，用于将所述舌象临症图像的数组矩阵与所述预先存储的舌态样本图像的数组矩阵进行比对，确定所述舌象临症图像对应的舌态。
可选地，所述采集单元410，用于：
根据下述公式(1)计算所述舌象临症图像的行数：
PixelRow＝PixelRow+arrByte(i+22)×256i……(1)
其中，PixelRow为行数，arrByte为图像数组，i为行变量；
根据下述公式(2)计算所述舌象临症图像的列数：
PixelCol＝PixelCol+arrByte(j+18)×256j……(2)
其中，PixelCol为列数，j为列变量；
如果所述行数或者列数不是4的倍数，则进行补零操作，并设置Zeroize＝1，否则Zeroize＝0；
根据下述公式(3)计算第一像素中间值：
lngPos＝53+j+(i-1)×(PixelCol×3+Zeroize)……(3)
根据下述公式(4)计算第二像素中间值：
c＝RGB(arrByte(lngPos+2)，arrByte(lngPos+1)，arrByte(lngPos))……(4)。
可选地，所述计算单元420，用于：
对于每个像素，通过下述公式(5)计算所述舌象临症图像的R值，通过下述公式(6)计算所述舌象临症图像的G值，通过下述公式(7)计算所述舌象临症图像的B值：
R＝cMod 256……(7)
G＝(c-R)÷256Mod 256……(8)
B＝(c-R-G×256)÷2562……(9)
其中，c为所述第二像素中间值，Mod为取余运算。
可选地，还包括建立单元450，用于：
所述计算所述舌象临症图像的RGB值之后，分别建立数组矩阵TCr、TCg、TCb；
将所述舌象临症图像的R值存入数组矩阵TCr中：
Figure GDA0003367985970000141
将所述舌象临症图像的G值存入数组矩阵TCg中：
Figure GDA0003367985970000142
将所述舌象临症图像的B值存入数组矩阵TCb中：
Figure GDA0003367985970000143
可选地，所述解析单元430，用于：
建立768个数组矩阵LRGBn，其中，每个数组矩阵LRGB的行数等于所述舌象临症图像的行数，每个数组矩阵LRGB的列数等于所述舌象临症图像的列数，768个数组矩阵LRGBn表示R、G、B每个通道包括256个频道、共计768个频道对应的数组矩阵LRGBn，n为大于0、且小于或等于768的正整数；
根据数组矩阵TCr、TCg、TCb，判断所述舌象临症图像的每个像素在每个通道的每个频道中是否有显示，如果有显示，则在像素对应的频道对应的数组矩阵LRGBn中进行标记。
可选地，所述解析单元430，用于：
对于位于p行、q列的像素，当确定所述像素在x频道上有显示，则在x频道对应的数组矩阵LRGBx中，将位于p行、q列的数据赋值为1；
其中，p为大于0、且小于或等于PixelRow的正整数，q为大于0、且小于或等于PixelCol的正整数，x为大于0、且小于或等于768的正整数。
可选地，还包括数据移动单元460，用于：
如果所述数组矩阵LRGBn中，第1行至第i行的所有数据均为0，则将第i+1行至PixelRow行的数据均上移i-1行，并将第200-i行至PixelRow行的数据均赋值为0；
如果所述数组矩阵LRGBn中，第1列至第j列的所有数据均为0，则将第j+1列至PixelCol行的数据均上移j-1列，并将第200-j列至PixelCol列的数据均赋值为0。
可选地，所述比对单元440，用于：
获取预先存储的舌态样本图像的数组矩阵YRGBn，其中，所述舌态样本图像的数量为y个，y为大于0的正整数；
根据下述公式(10)(11)计算所述舌象临症图像与一个舌态样本图像之间的相似度：
Figure GDA0003367985970000151
Figure GDA0003367985970000152
其中，n＝1、2、3、……、768，表示数组矩阵LRGB以及数组矩阵YRGB的个数；k为LRGBn、YRGBn之差的个数；i＝1、2、3、……、PixelRow，表示数组矩阵的行数；j＝1、2、3、……、PixelCol，表示数组矩阵的列数；m＝1、2、……、y。
可选地，所述比对单元440，用于：
对得到的多个相似度SXm进行排序，确定最大值SXmmax；
确定所述最大值SXmmax对应的舌态，将其确定为所述舌象临症图像对应的舌态；
根据下述公式(12)计算所述舌象临症图像与对应的舌态之间的相似度；
STm＝100×SXmmax÷(256×3)……(12)。
本发明实施例中，获取待确定的舌象临症图像，采集舌象临症图像的像素值，根据采集的像素值，计算舌象临症图像的RGB值，对舌象临症图像的RGB值进行深层解析，得到舌象临症图像的数组矩阵，对数组矩阵LRGBn进行数据移动，将舌象临症图像的数组矩阵与预先存储的舌态样本图像的数组矩阵进行比对，确定舌象临症图像对应的舌态。本发明通过像素的物理位置与色彩到的结合，对舌象临症图像的RGB值进行深层解析，通过解析后的768个数组矩阵与样本图像的768个数组矩阵进行逐一比对，排除了很多图像的外界干扰，使得比对的结果更加准确，这样，实现了中医舌象由感性文字描述发展到理性数字描述，中医舌象数字化后可以直观的告诉医生患者的舌部变化情况，为医生更好的辨证论治提供了全新的手段。
图5是本发明实施例提供的一种电子设备500的结构示意图，该电子设备500可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上处理器(centralprocessing units，CPU)501和一个或一个以上的存储器502，其中，所述存储器502中存储有至少一条指令，所述至少一条指令由所述处理器501加载并执行以实现下述基于舌象临症图像的中医舌态鉴别的方法的步骤：
获取待确定的舌象临症图像，采集所述舌象临症图像的像素值；
根据采集的像素值，计算所述舌象临症图像的RGB值；
对所述舌象临症图像的RGB值进行深层解析，得到所述舌象临症图像的数组矩阵；
将所述舌象临症图像的数组矩阵与所述预先存储的舌态样本图像的数组矩阵进行比对，确定所述舌象临症图像对应的舌态。
本发明实施例中，获取待确定的舌象临症图像，采集舌象临症图像的像素值，根据采集的像素值，计算舌象临症图像的RGB值，对舌象临症图像的RGB值进行深层解析，得到舌象临症图像的数组矩阵，对数组矩阵LRGBn进行数据移动，将舌象临症图像的数组矩阵与预先存储的舌态样本图像的数组矩阵进行比对，确定舌象临症图像对应的舌态。本发明通过像素的物理位置与色彩到的结合，对舌象临症图像的RGB值进行深层解析，通过解析后的768个数组矩阵与样本图像的768个数组矩阵进行逐一比对，排除了很多图像的外界干扰，使得比对的结果更加准确，这样，实现了中医舌象由感性文字描述发展到理性数字描述，中医舌象数字化后可以直观的告诉医生患者的舌部变化情况，为医生更好的辨证论治提供了全新的手段。
在示例性实施例中，还提供了一种计算机可读存储介质，例如包括指令的存储器，上述指令可由终端中的处理器执行以完成上述基于舌象临症图像的中医舌态鉴别的方法。例如，所述计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.一种基于舌象临症图像的中医舌态鉴别方法，其特征在于，所述方法包括：
获取待确定的舌象临症图像，采集所述舌象临症图像的像素值；
根据采集的像素值，计算所述舌象临症图像的RGB值；
对所述舌象临症图像的RGB值进行深层解析，得到所述舌象临症图像的数组矩阵；
将所述舌象临症图像的数组矩阵与预先存储的舌态样本图像的数组矩阵进行比对，确定所述舌象临症图像对应的舌态；
其中，所述采集所述舌象临症图像的像素值，包括：
根据下述公式(1)计算所述舌象临症图像的行数：
PixelRow＝PixelRow+arrByte(i+22)×256i……(1)
其中，PixelRow为行数，arrByte为图像数组，i为行变量；
根据下述公式(2)计算所述舌象临症图像的列数：
PixelCol＝PixelCol+arrByte(j+18)×256j……(2)
其中，PixelCol为列数，j为列变量；
如果所述行数或者列数不是4的倍数，则进行补零操作，并设置Zeroize＝1，否则Zeroize＝0；
根据下述公式(3)计算第一像素中间值：
lngPos＝53+j+(i-1)×(PixelCol×3+Zeroize)……(3)
根据下述公式(4)计算第二像素中间值：
c＝RGB(arrByte(lngPos+2)，arrByte(lngPos+1)，arrByte(lngPos))……(4)。
2.根据权利要求1所述的方法，其特征在于，所述根据采集的像素值，计算所述舌象临症图像的RGB值，包括：
对于每个像素，通过下述公式(5)计算所述舌象临症图像的R值，通过下述公式(6)计算所述舌象临症图像的G值，通过下述公式(7)计算所述舌象临症图像的B值：
R＝c Mod 256……(7)
G＝(c-R)÷256 Mod 256……(8)
B＝(c-R-G×256)÷2562……(9)
其中，c为所述第二像素中间值，Mod为取余运算。
3.根据权利要求2所述的方法，其特征在于，所述计算所述舌象临症图像的RGB值之后，还包括：
分别建立数组矩阵TCr、TCg、TCb；
将所述舌象临症图像的R值存入数组矩阵TCr中：
Figure FDA0003367985960000021
将所述舌象临症图像的G值存入数组矩阵TCg中：
Figure FDA0003367985960000022
将所述舌象临症图像的B值存入数组矩阵TCb中：
Figure FDA0003367985960000023
4.根据权利要求3所述的方法，其特征在于，所述对所述舌象临症图像的RGB值进行深层解析，得到所述舌象临症图像的数组矩阵，包括：
建立768个数组矩阵LRGBn，其中，每个数组矩阵LRGB的行数等于所述舌象临症图像的行数，每个数组矩阵LRGB的列数等于所述舌象临症图像的列数，768个数组矩阵LRGBn表示R、G、B每个通道包括256个频道、共计768个频道对应的数组矩阵LRGBn，n为大于0、且小于或等于768的正整数；
根据数组矩阵TCr、TCg、TCb，判断所述舌象临症图像的每个像素在每个通道的每个频道中是否有显示，如果有显示，则在像素对应的频道对应的数组矩阵LRGBn中进行标记。
5.根据权利要求4所述的方法，其特征在于，所述在像素对应的频道对应的数组矩阵LRGBn中进行标记，包括：
对于位于p行、q列的像素，当确定所述像素在x频道上有显示，则在x频道对应的数组矩阵LRGBx中，将位于p行、q列的数据赋值为1；
其中，p为大于0、且小于或等于PixelRow的正整数，q为大于0、且小于或等于PixelCol的正整数，x为大于0、且小于或等于768的正整数。
6.根据权利要求5所述的方法，其特征在于，所述方法还包括：
如果所述数组矩阵LRGBn中，第1行至第i行的所有数据均为0，则将第i+1行至PixelRow行的数据均上移i-1行，并将第200-i行至PixelRow行的数据均赋值为0；
如果所述数组矩阵LRGBn中，第1列至第j列的所有数据均为0，则将第j+1列至PixelCol行的数据均上移j-1列，并将第200-j列至PixelCol列的数据均赋值为0。
7.根据权利要求6所述的方法，其特征在于，所述将所述舌象临症图像的数组矩阵与所述预先存储的舌态样本图像的数组矩阵进行比对，包括：
获取预先存储的舌态样本图像的数组矩阵YRGBn，其中，所述舌态样本图像的数量为y个，y为大于0的正整数；
根据下述公式(10)(11)计算所述舌象临症图像与一个舌态样本图像之间的相似度：
Figure FDA0003367985960000031
Figure FDA0003367985960000032
其中，n＝1、2、3、……、768，表示数组矩阵LRGB以及数组矩阵YRGB的个数；k为LRGBn、YRGBn之差的个数；i＝1、2、3、……、PixelRow，表示数组矩阵的行数；j＝1、2、3、……、PixelCol，表示数组矩阵的列数；m＝1、2、……、y。
8.根据权利要求7所述的方法，其特征在于，所述确定所述舌象临症图像对应的舌态，包括：
对得到的多个相似度SXm进行排序，确定最大值SXmmax；
确定所述最大值SXmmax对应的舌态，将其确定为所述舌象临症图像对应的舌态；
根据下述公式(12)计算所述舌象临症图像与对应的舌态之间的相似度；
STm＝100×SXmmax÷(256×3)……(12)。
9.一种基于舌象临症图像的中医舌态鉴别装置，其特征在于，所述装置包括：
采集单元，包括获取待确定的舌象临症图像，采集所述舌象临症图像的像素值；
计算单元，用于根据采集的像素值，计算所述舌象临症图像的RGB值；
解析单元，用于对所述舌象临症图像的RGB值进行深层解析，得到所述舌象临症图像的数组矩阵；
比对单元，用于将所述舌象临症图像的数组矩阵与预先存储的舌态样本图像的数组矩阵进行比对，确定所述舌象临症图像对应的舌态；
其中，所述采集单元，用于：
根据下述公式(1)计算所述舌象临症图像的行数：
PixelRow＝PixelRow+arrByte(i+22)×256i……(1)
其中，PixelRow为行数，arrByte为图像数组，i为行变量；
根据下述公式(2)计算所述舌象临症图像的列数：
PixelCol＝PixelCol+arrByte(j+18)×256j……(2)
其中，PixelCol为列数，j为列变量；
如果所述行数或者列数不是4的倍数，则进行补零操作，并设置Zeroize＝1，否则Zeroize＝0；
根据下述公式(3)计算第一像素中间值：
lngPos＝53+j+(i-1)×(PixelCol×3+Zeroize)……(3)
根据下述公式(4)计算第二像素中间值：
c＝RGB(arrByte(lngPos+2)，arrByte(lngPos+1)，arrByte(lngPos))……(4)。
CN202110370110.7A 2021-04-07 2021-04-07 一种基于舌象临症图像的中医舌态鉴别的方法及装置 Active CN113256557B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110370110.7A CN113256557B (zh) 2021-04-07 2021-04-07 一种基于舌象临症图像的中医舌态鉴别的方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110370110.7A CN113256557B (zh) 2021-04-07 2021-04-07 一种基于舌象临症图像的中医舌态鉴别的方法及装置

Publications (2)

Publication Number Publication Date
CN113256557A CN113256557A (zh) 2021-08-13
CN113256557B true CN113256557B (zh) 2022-02-15

Family

ID=77220382

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110370110.7A Active CN113256557B (zh) 2021-04-07 2021-04-07 一种基于舌象临症图像的中医舌态鉴别的方法及装置

Country Status (1)

Country Link
CN (1) CN113256557B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103745217A (zh) * 2013-12-31 2014-04-23 北京工业大学 基于图像检索的中医舌色苔色自动分析方法
CN109461154A (zh) * 2018-11-16 2019-03-12 京东方科技集团股份有限公司 一种舌象检测方法、装置、客户端、服务器及***
CN112488917A (zh) * 2019-09-12 2021-03-12 北京地平线信息技术有限公司 图像处理方法、装置、电子设备及存储介质

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101799920A (zh) * 2009-02-06 2010-08-11 天津市医学堂科技有限公司 基于颜色特征的舌象分析方法及其应用
US20110311144A1 (en) * 2010-06-17 2011-12-22 Microsoft Corporation Rgb/depth camera for improving speech recognition
CN104636754B (zh) * 2015-01-31 2018-02-27 华南理工大学 基于舌体分区颜色特征的智能图像分类方法
CN105930798B (zh) * 2016-04-21 2019-05-03 厦门快商通科技股份有限公司 基于学习的面向手机应用的舌像快速检测分割方法
CN111084609A (zh) * 2019-12-19 2020-05-01 东莞宇龙通信科技有限公司 基于舌象的健康诊断方法、装置、存储介质和电子设备
CN111340721B (zh) * 2020-02-18 2021-02-12 国网电子商务有限公司 一种像素的修正方法、装置、设备及可读存储介质

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103745217A (zh) * 2013-12-31 2014-04-23 北京工业大学 基于图像检索的中医舌色苔色自动分析方法
CN109461154A (zh) * 2018-11-16 2019-03-12 京东方科技集团股份有限公司 一种舌象检测方法、装置、客户端、服务器及***
CN112488917A (zh) * 2019-09-12 2021-03-12 北京地平线信息技术有限公司 图像处理方法、装置、电子设备及存储介质

Also Published As

Publication number Publication date
CN113256557A (zh) 2021-08-13

Similar Documents

Publication Publication Date Title
CN109508681B (zh) 生成人体关键点检测模型的方法和装置
WO2022247005A1 (zh) 图像中目标物识别方法、装置、电子设备及存储介质
US10296196B2 (en) System, method and apparatus for displaying a non-biasing and self-adjusting visual analog scale on a computing device
CN110930414A (zh) 医学影像的肺部区域阴影标记方法、装置、服务器及存储介质
US10832410B2 (en) Computer system, method, and program for diagnosing subject
CN112036295A (zh) 票据图像处理方法、装置、存储介质及电子设备
CN109284700B (zh) 图像中多个人脸检测的方法、存储介质、设备及***
CN108647264A (zh) 一种基于支持向量机的图像自动标注方法及装置
WO2019221676A1 (en) Analysis of urine test strips with mobile camera analysys and providing recommendation by customising data
CN111429547A (zh) 一种基于假同色搜索的异常色觉测试图合成方法
US9619900B2 (en) Systems and methods for identifying anomalous test item renderings
CN109785940B (zh) 一种医学图像胶片排版的方法
CN113256557B (zh) 一种基于舌象临症图像的中医舌态鉴别的方法及装置
CN109767468B (zh) 脏器体积检测方法及装置
CN112651315A (zh) 折线图的信息提取方法、装置、计算机设备和存储介质
CN107833631A (zh) 一种医学影像计算机辅助分析方法
CN107832695A (zh) 在视网膜图像中基于纹理特征的视盘识别方法及装置
CN116597246A (zh) 模型训练方法、目标检测方法、电子设备及存储介质
CN113537407B (zh) 基于机器学习的图像数据评价处理方法及装置
CN113255456A (zh) 非主动活体检测方法、装置、电子设备及存储介质
CN112084092A (zh) 一种诊断规则的确定方法、装置、设备及存储介质
CN111127414A (zh) 基于opencv的灌注图像判定***及方法、智能终端
CN105843972B (zh) 产品属性信息的比对方法及装置
Brenner et al. Subjective assessments of legibility in ancient manuscript images-the SALAMI dataset
CN114882130A (zh) 基于水色图像的水质评分方法、装置、设备及介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant