1 天津中医药大学中药制药工程学院, 天津 300193
2 中国医学科学院生物医学工程研究所, 天津 300192
3 天津大学精密测试技术及仪器国家重点实验室, 天津 300072
4 北京工业大学信息学部, 北京 100124
高血压合并冠心病是高血压疾病的一类严重合并症。 目前高血压患者对合并冠心病的情况检测不及时, 容易导致严重事件的发生, 其致残率、 致死率极高, 严重影响患者的生活质量。 因此对高血压患者合并冠心病的早期发现对预防更严重事件的发生显得尤为重要。 舌体信息与心血管功能关系密切, 为此, 提出一种基于舌体高光谱用于高血压患者中合并冠心病筛查新方法。 采集154例心血管科门诊患者舌体377.8~1 049.1 nm高光谱数据并记录临床诊断信息。 对高血压患者组及高血压合并冠心病患者组舌体光谱比较发现, 在500~600 nm波段之间, 两组光谱存在显著性差异。 基于中医舌诊分区理论, 对舌体进行区域划分, 划分为舌尖、 舌左、 舌中、 舌右以及舌根五个区域。 各舌体分区在波长509.6和561.2 nm以及540.5和576.7 nm均存在极大和极小值, 这与血红蛋白对光的吸收特征相吻合。 对组间各舌体区域光谱特征进行差异性分析。 T检验分析结果显示高血压患者组与高血压合并冠心病患者组舌尖与舌中区域光谱具有显著性差异。 基于高血压患者组与高血压合并冠心病患者组舌体不同区域光谱特征的差异性, 利用神经网络, 选取500~600 nm舌尖与舌中光谱数据进行后续高血压患者组与高血压合并冠心病患者组分类辨识模型的建立。 选用准确度、 灵敏度以及特异性作为模型预测能力的评价指标。 最终获得模型的预测准确度、 灵敏度以及特异性分别为84.78%, 86.95%和82.61%。 实验结果表明高血压患者与高血压合并冠心病患者舌体高光谱信息之间存在显著性差异。 利用舌体高光谱所建立的分类模型能够用于高血压以及高血压合并冠心病患者的无创辨识, 为高血压患者中高血压合并冠心病的早期发现提供一种有效筛查手段。
中医 舌诊 高光谱 分区 高血压 高血压合并冠心病 Chinese medicine Tongue Hyperspectral imaging Partition Hypertension disease (HD) Coronary heart disease (CHD)
江西科技师范大学光电子与通信重点实验室, 江西 南昌330038
由于传统的望舌诊断法过于依赖中医师的经验判断, 导致误诊的概率相对较大, 而基于图像处理的舌诊法受光源、 图像采集设备影响较大, 同时对于病理不同而颜色相近的舌象识别率不高。 为了克服上述缺点, 利用舌光谱的“指纹效应”, 通过使用光谱法来对不同性状的舌象进行诊断, 为了实现这一目标, 研制了一款用于舌象诊断的光谱仪, 同时为了克服传统分光器件的不足, 分光系统中采用了平场全息凹面光栅作为分光器件, 能保证系统小型化、 光通量利用率提高的同时, 改善光谱成像的质量和分辨率。 通过系统实验测试, 该光谱仪的光谱范围达到340～850 nm, 分辨率优于2 nm, 同时通过模拟实验充分验证了该系统的有效性。
光谱学 舌诊 光栅 光谱仪 分光 Spectroscopy Tongue diagnosis Grating Splitting-light Spectrometer 光谱学与光谱分析
2013, 33(9): 2586
1 天津大学精密测试技术及仪器国家重点实验室, 天津 300072
2 河北工业大学电气工程学院电磁场与电器可靠性省部共建重点实验室, 天津 300130
3 天津师范大学物理与电子信息学院, 天津 300387
采用舌诊近红外反射光谱对人体血清总蛋白(TP)含量进行无创检测。 采集58例舌尖反射光谱进行反射率归一化并记录相对应的血清总蛋白生化分析值, 将样本分为训练集和预测集, 运用主成分分析结合BP神经网络法和偏最小二乘算法分别建立预测模型。 主成分分析结合BP神经网络模型对预测集进行预测, 平均相对误差为7.35%, 均方根误差为3.069 1 g·L-1, 相关系数为0.902 1。 偏最小二乘模型对预测集进行预测, 平均相对误差为4.77%, 均方根误差为0.130 1 g·L-1, 相关系数为0.971 8。 实验结果证实了舌诊近红外反射光谱可以较为准确地用于总蛋白含量的无创检测。
近红外反射光谱 舌诊 血清总蛋白(TP) BP神经网络 偏最小二乘(PLS) NIR normalized reflection spectroscopy Tongue inspection Total protein (TP) BP neural networks Partial least squares 光谱学与光谱分析
2012, 32(8): 2110
1 天津大学， 精密测试技术及仪器国家重点实验室， 天津300072
2 天津中医药大学, 中医药工程学院, 天津300193
3 天津师范大学， 物理与电子信息学院， 天津300387
4 Computer Science and Engineering Department, the University of Texas, Arlington 76019,America
为了消除光谱采集中操作方法对测量带来的干扰， 以及提高仪器灵敏度和增强样本之间的差异性， 将反射率归一化法用于光谱法舌诊数据预处理。 采集被检者舌尖反射光谱， 计算被测对象的反射率和归一化反射率， 比较不同距离采集的同一被测对象反射率和归一化反射率发现， 反射率归一化可以消除不同采集距离对反射光谱造成的影响， 比较不同样本的反射率和归一化反射率曲线以及分类预测模型预测结果， 结果表明反射率归一化法可以增强样本之间的差异性， 增强后续疾病快速筛查模型的稳健性和预测能力。
反射率归一化 光谱法 舌诊 数据预处理 信噪比 Normalized reflectivity Spectroscopy Tongue inspection Data preprocessing Signal to noise ratio 光谱学与光谱分析
2012, 32(6): 1624
1 天津大学精密测试技术及仪器国家重点实验室, 天津 300072
2 天津师范大学物理与电子信息学院, 天津 300072
为了解决光谱采集受环境光干扰严重的问题, 首次将光调制技术用于提高光谱法舌诊测量的信噪比。 系统采用调制盘对参考光信号强度进行调制, 运用此装置采集同一被测体在分别叠加绿色、 紫色、 红色激光以及自然环境光干扰情况下的反射光谱, 对采集来的数据运用离散傅里叶变换进行解调, 提取最大谐波分量, 然后对提取的最大谐波分量进行归一化, 绘制解调后的光谱曲线, 通过比较发现, 不同干扰情况下所测同一被测体经过调制解调后的反射光谱曲线走向基本一致, 结果表明光调制技术能够去除舌体反射光谱采集中环境杂散光的干扰, 为高信噪比舌诊光谱数据采集提供了一种新途径。
光调制技术 光谱 舌诊 信噪比 Optical modulation Spectroscopy Tongue inspection Signal to noise ratio
1 天津大学精密测试技术及仪器国家重点实验室， 天津300072
2 天津师范大学物理与电子信息学院， 天津300387
针对目前舌诊研究中在舌体信息全面获取方面存在严重不足， 将高光谱技术用到舌诊的研究中来， 提出了一种基于X-Y振镜扫描式舌诊高光谱采集系统。 通过模拟实验， 采集与舌体大小相似图片的高光谱信息， 验证了该系统可以用于舌体高光谱信息采集， 实验结果表明， 与现有舌诊客观化研究相比， 该系统可以获得更多的舌体信息， 为舌诊客观化研究提供了一种新途径。
X-Y振镜 高光谱 舌诊 X-Y galvanometer Hyperspectral Tongue inspection 光谱学与光谱分析
2011, 31(12): 3347
1 天津大学精密测试技术及仪器国家重点实验室, 天津300072
2 天津师范大学物理与电子信息学院, 天津300038
传统中医的诊断中对舌色的观察是信息来源的重要方面, 但中医望诊中, 肉眼的判断会受到环境变化和医生主观的影响, 对症候的诊断会产生一定的误差。 作者从光谱学的角度入手, 提出一种全新的中医客观化方法, 用连续的光谱信息替代单一舌色, 进而研究舌部携带信息的本质。 实验中使用近红外光谱, 对53个表寒里热患者、 37个健康人和21个风寒患者采集舌部的反射光光谱信息, 通过matlab进行数据预处理, 利用minitab进行偏最小二乘法的建模和预测, 可将健康人和表寒里热患者区分开, 准确率达到85.6%, 但近红外光谱的舌诊数据并不能区分表寒里热和风寒患者。 文章为中医舌诊的客观化提供了一种全新的方法, 为更深入地研究中医证候提供了数据支持。
舌诊 近红外光谱 偏最小二乘法 客观化 Tongue diagnosis Near infrared spectrum Partial least squares regression statistics Objectivity
1 天津大学, 精密测试技术及仪器国家重点实验室, 天津 300072
2 天津科技大学, 海洋科学与工程学院, 天津 300072
3 天津工业大学, 电气工程与自动化学院, 天津 300160
4 天津师范大学, 物理与电子信息学院, 天津 300387
利用舌诊归一化反射光谱对人体血液中红细胞总数(RBC)进行了无创检测研究。 采集240名志愿者舌尖反射光谱并进行反射率归一化同时用数码相机记录志愿者舌象。 将样本分为两组: 校正集和预测集, 以血液成分含量生化分析值为参考, 建立红细胞总数与光谱数据的偏最小二乘回归(PLSR)预测模型。 所建模型的相关系数为0.991, 用所建模型对预测集进行预测, 预测值和生化分析值间的相关系数为0.994, 平均相对误差为0.81%, 均方根误差为0.472。 实验结果证明了舌体可以作为RBC的无创检测位置； 从预测模型和预测结果来看, 舌尖反射光谱可以较准确的进行红细胞总数的无创检测。
归一化反射光谱 舌诊 红细胞总数(RBC) 偏最小二乘回归(PLSR) Normalized reflection spectroscopy Tongue inspection Red blood cell counts(RBC) Partial least squares regression (PLSR) 光谱学与光谱分析
2011, 31(5): 1328
1 天津大学, 精密测试技术仪器国家重点实验室, 天津300072
2 天津中医药大学中医药工程学院, 天津300193
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。
光谱 舌诊 脂肪肝 归一化反射率 神经网络 Spectrum Glossoscopy Fatty liver Normalized reflection ratio Neural network 光谱学与光谱分析
2010, 30(10): 2748
1 天津大学精密测试技术及仪器国家重点实验室, 天津300072
2 长江师范学院物理学与电子工程学院, 重庆408100
3 天津中医药大学中医药工程学院, 天津300193
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。
近红外光谱 舌诊 BP神经网络 肝炎 Near infrared spectroscopy (NIRS) Tongue diagnosis BP neural network Hepatitis 光谱学与光谱分析
2010, 30(10): 2628
