舌苔舌质信息定量描述作为中医舌诊的重要内容, 直接影响到中医临床舌诊的准确性。 基于生物医学光子学理论, 利用高光谱技术, 提出一种基于双波长比值光谱差异度指数进行人体舌质舌苔分离的光谱分析新方法。 首先采集被测对象371.200～992.956 nm之间共343个波长的舌体高光谱信息, 随机选取15位被测对象进行光谱特征分析。 绘制15位被测对象舌质舌苔全波段光谱曲线并进行比较, 通过观察发现, 舌质舌苔反射光特征差异与血红蛋白在该波段的光学特征变化相吻合, 在500～750 nm之间, 水对光的吸收很少, 而舌体表面布满血管, 光的吸收主要受到血红蛋白的影响, 基于舌质舌苔在573和700 nm两波段光谱吸收差异, 计算双波长比值, 提取舌质舌苔光谱特征差异度指数, 根据个体差异, 分别提取不同被测对象舌质舌苔光谱特征差异指标, 进行舌质舌苔区域分离, 实验结果发现, 对同一被测对象舌体苔质提取光谱差异度指数SDI, 舌苔舌质光谱差异度指数存在一定差异性, 由于个体的不同, 具有各自明显的舌质、 舌体差异度指数分割线, 实验结果表明, 运用双波长比值光谱差异度指数的光学表达形式能够用于舌质舌苔分离, 同时该方法也能够为进一步中医临床舌诊提供客观依据。

望舌苔是中医舌诊的重要组成部分, 对舌苔定性以及定量分析对于阐释舌苔携带的生理病理信息起着非常重要的作用, 也是中医舌诊客观化研究的一个重要内容, 提出舌苔的光谱分析法。采用Usb4000可见光谱仪对80例样本进行舌体附着舌苔部位以及无舌苔附着部位的反射光谱数据采集, 并对所采集的光谱数据进行分析, 发现同一个体的舌体不同部位的光谱特征与有无舌苔附着存在一定的相关性, 进一步对采集的光谱数据进行比较发现, 光谱曲线在500～600 nm之间存在较大差异, 差异最大处于579.39 nm, 同时对不同苔色光谱曲线进行了比较, 不同苔色及苔厚在光谱上存在较大差异, 实验结果表明, 人体舌苔苔色、 厚薄、 润燥的不同, 造成光谱特征上存在差异, 与当前中医舌诊客观化普遍采用的比色法相比, 反射光谱能够反映更多的舌体生理、 病理信息, 同时实验结果也说明, 舌质、 舌苔光谱特征的差异为进一步的舌质、 舌苔分离奠定基础, 从而有望为人体舌苔定性和定量分析提供客观指标, 促进中医舌诊客观化。

血细胞压积和平均血红蛋白浓度的检测对于心脑血管疾病以及贫血等疾病的预防和治疗起着非常重要的作用, 为了能够无创、 准确的对血细胞压积和平均血红蛋白浓度进行检测, 本研究提出了一种基于光谱技术的检测方法。 经解剖学研究表明, 在微循环中, 血流变的异常以及血液粘稠度的改变均能引起舌象的变化, 即舌象和血液成分之间存在一定的相关性, 所以本研究通过采集240例志愿者舌尖反射光谱, 同时拍摄志愿者舌体图片和记录生化分析结果。 在进行数学建模前, 首先将240例志愿者随机分为校正集和验证集, 运用偏最小二乘分别建立数学模型, 校正集预测值和生化分析真实值之间相关系数分别为0998和0938, 运用所建数学模型对验证集未知样本进行预测, 验证集未知样本的预测结果与生化分析真实值之间相关系数分别为0979和0883, 平均相对误差分别为165%和188%, 均方根误差分别为4066和4139, 由实验结果可见, 所建立的模型可以较好的对HCT和MCHC进行预测, 同时实验结果也表明近红外光谱分析结合偏最小二乘方法有可能能够为血细胞压积和平均血红蛋白浓度的检测提供一种无创的检测方法。

提出了一种基于光谱技术的脂肪肝无创、 快速诊断新方法。 由于舌体能较客观的反映人体生理、 病理变化, 因此采集志愿者舌体舌尖部位的反射光谱, 然后对数据进行分析, 计算反射光谱的归一化反射率。 建立3层BP网络模型, 从采集来的115例样本中抽取32例健康人和44例脂肪肝患者的光谱归一化反射率作为神经网络的输入, 再对未知的14例健康人样本和25例脂肪肝患者样本进行分类预测, 分类正确率达到89.7％, 实验结果表明了光谱法运用于脂肪肝快速无创诊断的可行性。 同时, 实验结果说明光谱法能更客观全面地反映人舌所携带的组织细胞、 微循环等方面的信息, 有可能为临床提供一种快速、 简便的诊断手段, 也为今后的中医证侯的度量提供借鉴。

为了对肝炎患者进行快速无创检测, 用BP人工神经网络(ANN)方法在健康人与肝炎患者之间对人体舌面近红外光谱的反射率的关系进行关联方面的研究。 分别采集了健康人和肝炎患者的舌左边、 舌右边、 舌下左边络脉、 舌下右边络脉以及舌尖各部位各25例受试者的光谱数据, 构造了一个3层神经网络结构, 将所采集的各光谱数据进行归一化反射率预处理后作为神经网络的输入, 建立了BP神经网络模型, 分别选取对应的各个部位的40例作为训练样本集, 用剩下的10例未知的样本进行预测, 各部位测试的结果其相对偏差均在0.2以下, 分类正确率为100%, 达到满意的预测精度。 结果表明提出的BP神经网络用于光谱舌诊进行无创检测识别不同病证提供了重要的参考价值。