基于痧象的脏腑功能失调预警方法

目的在痧象临床研究中,医生可以通过观察背部脏腑穴位区域的痧象进行脏腑功能失调预警。传统的脏腑功能失调预警主要基于医生对背部脏腑穴位区域模糊定位来实现,面对较多的区域,无论是定位还是识别都需要花费很多时间,影响工作效率。利用相机采集的图像有一些杂乱的背景,影响痧象图像在电子病历中的规范化存储。针对此问题,本文提出一种基于图像处理与模式识别技术的痧象分析方法,进行脏腑功能失调预警,辅助医生进行诊断以及规范化存储痧象图像。方法采用基于两点的Grabcut算法进行背部图像的校正、分割、脏腑穴位区域定位,分别用支持向量机(support vector machine,SVM)、Alexnet、Alexnet算法基础上修改的卷积神经网络(convolutional neural networks,CNN)对脏腑穴位区域进行痧象识别。结果基于两点的Grabcut算法可以实现背部图像的校正、分割以及脏腑穴位区域定位。相比于SVM、Alexnet,在Alexnet算法基础上修改后的CNN对痧象识别率最高,达到了99.83%,可进行痧象识别,从而快速进行脏腑功能失调预警。结论该方法对进行脏腑功能失调预警具有一定的实际应用价值。