<button id="yg2go"><code id="yg2go"></code></button>
  • <cite id="yg2go"></cite>
  • <abbr id="yg2go"><dl id="yg2go"></dl></abbr>
  • 亚洲欧美日韩精品久久久,夜色福利一区二区三区,视频日韩p影院永久免费,成人免费视频国产

    其他數(shù)據(jù)論文 II 區(qū)論文(已發(fā)表) ? 版本 ZH4 Vol 8 (3) 2023
    下載
    中醫(yī)舌診染苔圖像數(shù)據(jù)集
    A dataset of stained tongue fur images of TCM
    ?>>
    : 2023 - 06 - 06
    : 2023 - 07 - 28
    : 2023 - 06 - 19
    : 2023 - 08 - 22
    12023 100 0
    摘要&關(guān)鍵詞
    摘要:舌診是中醫(yī)特色的診察方法之一,也是中醫(yī)診斷病證的重要依據(jù),主要包括舌質(zhì)和舌苔兩方面內(nèi)容。其中舌苔主要包括苔質(zhì)和苔色,尤其苔色是辨別疾病性質(zhì)的重要指標。臨床上舌苔易被藥物、食物染色,產(chǎn)生顏色假象,極易引起誤診。本數(shù)據(jù)集記錄了中醫(yī)染苔與非染苔兩種舌象,平均每個類別的舌苔圖像約1000余張。其中染苔數(shù)據(jù)包含不同人群健康狀態(tài)下進食染色食物后5分鐘、10分鐘、30分鐘的舌苔顏色變化圖像,其顏色主要分為白、黃、灰黑3種,以黃色居多。非染苔數(shù)據(jù)包含不同患者的病理性舌苔圖像,分為白苔、黃苔和灰黑苔3種。本數(shù)據(jù)集可為舌診方向研究提供可靠的分類依據(jù),有效解決染苔假象問題,也在一定程度上為開發(fā)更智能的舌診儀提供數(shù)據(jù)支持。
    關(guān)鍵詞:中醫(yī);舌診;染苔
    Abstract & Keywords
    Abstract:?Tongue diagnosis is a distinctive diagnostic technique for traditional Chinese medicine (TCM). It plays an important role as a fundamental basis for diagnosing diseases and syndromes in TCM, focusing on tongue texture and tongue fur. Tongue fur mainly includes tongue fur texture and tongue fur color. Especially latter is an important indicator to identify the nature of the disease. In clinical practice, tongue fur can easily be influenced by medications and dietary intake, resulting in color illusion and misdiagnosis. This dataset records two types of tongue images of TCM, namely stained tongue fur and non-stained tongue fur, with an average of about 1,000 tongue images for each type. The stained tongue fur data include the color change images of the tongue fur captured at intervals of 5 minutes, 10 minutes, and 30 minutes after consuming food that causes staining in health conditions of different populations. The colors are can be primarily categorized into three categories: white, yellow, and gray/black, with yellow being the most prevalent. Non-stained tongue fur data include pathological tongue fur images of different populations, falling into white, yellow, and gray/black. This dataset can serve as a reliable classification basis for the research in the field of tongue diagnosis and effectively solve the problem of tongue fur artifacts. Moreover, it can provide valuable data to support the advancement of more intelligent tongue diagnosis instruments.
    Keywords:?Traditional Chinese Medicine;?tongue inspection;?stained tongue fur
    數(shù)據(jù)庫(集)基本信息簡介
    數(shù)據(jù)庫(集)名稱中醫(yī)舌診染苔圖像數(shù)據(jù)集
    數(shù)據(jù)通信作者梁昊(lianghao@hnucm.edu.cn)
    數(shù)據(jù)作者鐘俐芹,辛國江,彭清華,劉旺華,吳瑩潔,盛丹,朱磊,隋強,梁昊
    數(shù)據(jù)量113.08 MB
    數(shù)據(jù)格式.JPG
    數(shù)據(jù)服務系統(tǒng)網(wǎng)址https://doi.org/10.57760/sciencedb.j00001.00822
    基金項目國家自然科學基金面上項目(82274411);湖南省自然科學基金面上項目(2022JJ40300);湖南中醫(yī)藥大學科研基金“揭榜掛帥”專項(2022XJJB002);湖南省青年科技創(chuàng)新人才項目(2022RC1021);國家重點研發(fā)計劃項目“中醫(yī)智能舌診系統(tǒng)研發(fā)”(SQ2017YFC170323)。
    數(shù)據(jù)庫(集)組成本數(shù)據(jù)集由健康人的染苔圖像和病理狀態(tài)下的非染苔圖像組成。數(shù)據(jù)集按染苔和非染苔分為2個文件夾,圖像數(shù)量分別為1001張和1007張,共有JPG圖像數(shù)據(jù)2008張。
    Dataset Profile
    TitleA dataset of stained tongue fur images of TCM
    Data corresponding authorLIANG Hao (lianghao@hnucm.edu.cn)
    Data authorsZHONG Liqin, XIN Guojiang, PENG Qinghua, LIU Wanghua, WU Yingjie, SHENG Dan, ZHU Lei, SUI Qiang, LIANG Hao
    Data volume113.08 MB
    Data format.JPG
    Data service systemhttps://doi.org/10.57760/sciencedb.j00001.00822
    Source of fundingNational Natural Science Foundation of China (82274411); Hunan Provincial Natural Science Foundation (2022JJ40300); Leading Research Project of Hunan University of Chinese Medicine (2022XJJB002); Hunan Provincial Youth Science and Technology Innovation Talent Project (2022RC1021); National Key Research and Development Program of China “Research on the Intelligent Tongue Diagnosis System in Traditional Chinese Medicine” (SQ2017YFC170323).
    Dataset compositionThe dataset consists of stained tongue fur images from healthy individuals and non-stained tongue fur images from individuals with pathological conditions. The dataset comprises 2 folders of 2,008 JPG images according to the classification of stained tongue fur images (1,001) and non-stained tongue fur images (1,007).
    引 言
    中醫(yī)診斷的客觀化研究,是現(xiàn)代中醫(yī)規(guī)范化和標準化發(fā)展的一項重要任務[1]。舌診作為中醫(yī)望診中最具臨床特色的診法之一,也是最有可能實現(xiàn)客觀化并在臨床上獲得應用的指標。舌診是通過觀察舌頭的色澤、形態(tài)的變化輔助診斷及鑒別的方法,包括舌質(zhì)和舌苔兩方面內(nèi)容。《辨舌指南·辨舌總論》云:“辨舌質(zhì),可決五臟之虛實;視舌苔,可察六淫之淺深。”舌象是反映機體生理功能及病理變化的一面“鏡子”,通過觀察舌象可以直觀了解人體內(nèi)陰陽盛衰、氣血調(diào)和、津液存亡等情況,這對中醫(yī)辨證論治及判斷疾病的預后有著重要的指導意義。
    中醫(yī)臨床診斷證明,病人舌苔的變化切實地反映了疾病的變化,且在疾病發(fā)展變化的過程中,舌苔的色澤是辨證的重要依據(jù)之一,通過觀察舌苔的特征,能夠更好地了解病情變化[2-4]。而望舌涉及病人的所處環(huán)境、飲食因素、醫(yī)生的經(jīng)驗和主觀因素,這就造成了對舌苔的判別會因人因地而異[5]。例如病理性舌苔,即非染苔,一般分為白色、黃色和灰黑色3種;而食用某些食物或服用某些藥物也會使舌苔染色,出現(xiàn)舌苔假象,即染苔[6],在臨床中可能與病理性舌苔相混淆。具體而言,飲用牛奶、椰汁等可使舌苔變白、變厚;食用堅果類如杏仁、腰果、松仁等富含脂肪的食品,可在短時間內(nèi)使舌面附著黃白色渣滓,易與腐膩苔相混;食用芒果、橘子、黃連素等,可將舌苔染成黃色;食用各種黑褐色保健品或烏梅、桑葚,以及長期吸煙等,可使舌苔染成灰色、黑色。因此在望舌時要注意鑒別苔色之真假,有效區(qū)分染苔和病理性舌苔,正確診斷病情。
    然而,臨床上舌苔變化迅速、影響因素多,除染苔因素外,個人舌質(zhì)差異也會影響舌苔識別。傳統(tǒng)上醫(yī)生通過肉眼識別舌苔的方法,以人的主觀判斷作為標準,其診斷結(jié)果不僅依賴于醫(yī)生的專業(yè)知識水平、經(jīng)驗豐富程度,還受到光線、飲食等外部因素的影響,這些因素可能會使診斷結(jié)果無法達到研究上的可重復要求[7-9];另外,某些食物或藥物造成的染苔與病理性舌苔十分相似,即便是專業(yè)人士仍然難以快速分辨是否染苔。而目前現(xiàn)有的舌圖像公開數(shù)據(jù)集采集標準未統(tǒng)一,大多包含不同設(shè)備采集的原始圖像,且在采集過程中沒有專門針對染苔圖像進行采集;目前的數(shù)據(jù)集主要基于疾病、中醫(yī)證候和舌圖分割,在圖像識別分類方面還需要進一步完善[10-11]。因此,本團隊基于上述不完善之處建立中醫(yī)舌診染苔數(shù)據(jù)集,一方面為中醫(yī)舌診客觀化研究提供可靠的數(shù)據(jù)支撐及分類依據(jù);另一方面解決染苔假象問題,為中醫(yī)臨床診斷提供參考,減少漏診誤診。
    1 ? 數(shù)據(jù)采集和處理方法
    1.1 ? 數(shù)據(jù)來源
    本數(shù)據(jù)集分為染苔和非染苔兩部分,其中染苔數(shù)據(jù)來源于湖南中醫(yī)藥大學2022級中醫(yī)學院本科生和碩士研究生,采集染苔圖像1255張,并從中篩選出有顏色變化的圖像1001張;非染苔數(shù)據(jù)來源于國家重點研發(fā)計劃項目“中醫(yī)智能舌診系統(tǒng)研發(fā)”[SQ2017YFC170323],在湖南中醫(yī)藥大學幾所附屬醫(yī)院收集標準舌診圖像11700余張,并從中篩選出疾病狀態(tài)下、有舌苔顏色改變的圖像1007張。本研究經(jīng)上海中醫(yī)藥大學附屬曙光醫(yī)院機構(gòu)倫理委員會批準(2018-626-55-01),并獲得所有參與者的書面知情同意。已在中國臨床試驗注冊中心注冊(注冊號:ChiCTR1900026008)。
    1.2 ? 采集舌圖像方法
    運用舌面診測信息采集系統(tǒng)(DS01-B,上海道生醫(yī)療科技有限公司)采集。該設(shè)備主要是由舌面診測信息系統(tǒng)采集箱、外置隔離電源(隔離變壓器)、軟件(版本號:1.1)和附件等組成,相機型號為佳能1200D,采集最大像素1500萬,光源為LED冷光源,色溫6500 k。設(shè)置拍攝參數(shù)為M模式,快門速度1/200 s,光圈5.6,ISO感光度200。被采集者采用正坐位,下顎放在儀器的托架上,前額頂住靠架,面向光亮處自然伸舌,充分暴露舌體,照相機鏡頭以約45度的俯角對準舌體,近距離(約40 cm)閃光拍照。染苔圖像的采集方法為研究對象口服容易染苔的食物,規(guī)定固體食物每次攝入大小為3 cm3,液體每次攝入量約5 mL左右(根據(jù)實際情況適當調(diào)整),食物咀嚼1–2分鐘,液體含服2分鐘以上,直至舌苔出現(xiàn)相應的顏色,飲后和食后均觀察半小時,每隔5分鐘、10分鐘、30分鐘采集一次。非染苔圖像主要采集患者病理狀態(tài)下的舌象。
    1.3 ? 舌圖像識別與舌體分割
    首先對收集的舌圖像進行數(shù)據(jù)清洗,過濾掉與舌部信息無關(guān)的圖片,然后進行人工篩選,剔除圖像模糊、伸舌姿勢不正確以及染色效果不好的圖片,最后將納入的合格圖像進行目標識別和舌體分割工作。在光照環(huán)境中利用目標檢測算法GCYTD(GELU-CA-YOLO Tongue Detection)[12]獲取舌體位置信息,再使用改進型DeepLab V3+方法[13]進行舌體分割工作。具體步驟如下:輸入的舌圖像先通過GCYTD算法獲取特征信息,快速定位舌體;再通過DeepLab V3+方法提取舌圖像的高緯度語義特征信息,并將其傳輸?shù)浇獯a器模塊,舌圖像的語義特征依次經(jīng)過雙線性上采樣層、3×3卷積層和批量歸一化層以及ReLU激活函數(shù)等處理,最后輸出語義分割結(jié)果圖。舌圖像處理流程如圖1所示。


    圖1 ? 舌圖像處理流程
    Figure 1 Processing process of tongue images
    2 ? 數(shù)據(jù)樣本描述
    本數(shù)據(jù)集包含染苔與非染苔兩種不同舌象,每種舌象的圖像數(shù)據(jù)為一個文件夾。這些圖像數(shù)據(jù)經(jīng)過預處理步驟已分離舌苔區(qū)域與背景,每個類別約1000余張圖像,共有JPG圖像數(shù)據(jù)2008張。染苔數(shù)據(jù)文件命名規(guī)則為“序號_染色食物.JPG”,非染苔數(shù)據(jù)文件命名規(guī)則為“序號.JPG”,所有數(shù)據(jù)文件壓縮為“中醫(yī)舌診染苔數(shù)據(jù).zip”。本數(shù)據(jù)集的部分樣本示例如圖2所示。

    (a)


    (b)


    (c)


    (d)


    (e)


    (f)

    圖2 ? 染苔與非染苔圖像數(shù)據(jù)集中的樣本示例(a)非染苔(白苔)(b)染苔(白苔)(c)非染苔(黃苔)(d)染苔(黃苔)(e)非染苔(灰黑苔)(f)染苔(灰黑苔)
    Figure 2 Examples of stained and non-stained tongue fur images in the dataset
    2.1 ? 染苔數(shù)據(jù)樣本
    染苔圖像是采集不同人群健康狀態(tài)下口服容易染苔食物后的舌象。在現(xiàn)實生活中,容易染色的食物有很多,例如紅心火龍果、芒果、藍莓等。但在臨床上非染苔(病理性舌苔)分白苔、黃苔和灰黑苔3種,為了對比染苔和非染苔這兩種不同的舌象,本團隊在選用染苔材料時優(yōu)先考慮將舌苔染成白色、黃色和灰黑色的食物。因此染苔圖像的顏色主要分為白、黃、灰黑3種,以黃色居多。由于個人體質(zhì)差異和時間變化,染色效果因人因時而異,所以在染苔數(shù)據(jù)中也有少量其他顏色分布。具體顏色分類與數(shù)量如表1所示。總體而言,染苔圖像具有3個典型特征:(1)顏色分布不均勻,邊緣清晰;(2)某些食物殘渣留于舌苔表面,苔色浮于淺表;(3)某些色澤過于鮮艷。
    2.2 ? 非染苔數(shù)據(jù)樣本
    非染苔圖像是采集患者病理狀態(tài)下的舌象,切實反映了人體內(nèi)氣血津液、寒熱變化情況,苔色隨病情發(fā)展而變化,故顏色分布大多均勻,邊緣模糊,不同顏色間過渡自然;與染苔圖像相比,非染苔圖像的苔色較深,與舌體接觸面積大,無明顯食物殘渣。
    表1 ? 染苔與非染苔圖像的顏色分類與數(shù)量
    數(shù)據(jù)類別舌苔顏色分類圖片總數(shù)
    染苔118
    571
    灰黑246
    其他66
    非染苔260
    669
    灰黑78
    3 ? 數(shù)據(jù)質(zhì)量控制和評估
    對于圖像數(shù)據(jù)的質(zhì)量,本研究中采集的染苔和非染苔圖像主要來源于舌面診信息采集系統(tǒng)規(guī)范化拍攝,拍攝的色溫為6500 k,統(tǒng)一伸舌姿勢,準確記錄患者的病理性舌苔和健康人的染苔情況,同時保證舌苔圖像的分類準確性,在中醫(yī)專業(yè)指導老師的嚴格質(zhì)控下進行,后期對采集的圖像進行多次篩選,將圖像分辨率低、舌體信息不全、伸舌姿勢不正確等圖像文件排除。
    為保證染苔數(shù)據(jù)集的可靠性和有效性,我們還對數(shù)據(jù)進行了相關(guān)驗證。首先使用H-iQstest圖像質(zhì)量綜合測試軟件對圖像分辨率、量化銳度和色差等指標進行分析。如圖3所示,CA表示色差標準,用來衡量圖像的色差水平,測量值為0;10%–90% rise可用來測量圖像的清晰度,測量值為146.97。


    圖3 ? H-iQstest圖像質(zhì)量分析結(jié)果
    Figure 3 Quality analysis results of H-iQstest images
    其次,我們使用深度學習圖像識別模型Resnet來進行染苔識別,將數(shù)據(jù)集按照7:2:1的比例劃分為訓練集、驗證集和測試集(1400:400:208)。通過訓練集和驗證集訓練模型,通過測試集評估模型的識別效果。loss曲線如圖4所示,隨著訓練次數(shù)的增加,平均損失在逐漸減小趨于穩(wěn)定,未見明顯過擬合。模型在測試集的準確率為92%,召回率為91%,F(xiàn)1值為92%。這表明本數(shù)據(jù)集在常規(guī)的深度學習圖像分類模型即可取得比較好的分類效果,圖像數(shù)據(jù)集驗證有效。


    圖4 ? 模型分類準確率與損失曲線
    Figure 4 Model classification accuracy and loss curve
    4 ? 數(shù)據(jù)使用方法和建議
    本數(shù)據(jù)集中包含了大量染苔與非染苔圖像,已做好分類標注,分別存放于染苔和非染苔兩個文件夾中,使用者可以根據(jù)需求來獲取所需要的圖像數(shù)據(jù)。同時經(jīng)過多次人工篩選工作,研究人員可將本數(shù)據(jù)集作為訓練和評估數(shù)據(jù),用于圖像智能分類處理,如利用人工智能算法對不同舌苔進行區(qū)分,在觀察分類效果時也可避免染苔因素影響其判斷。本數(shù)據(jù)集也可為中醫(yī)舌診教學、臨床實習做參考,豐富教學內(nèi)容,提升中醫(yī)可信度。
    5 ? 數(shù)據(jù)價值
    目前少有使用染苔圖像進行自動化識別的研究,且缺乏染苔圖像的公開數(shù)據(jù)集。近年來,隨著現(xiàn)代科學尤其是人工智能技術(shù)的成熟,機器學習在很多方面有了突破性的進展,其中以深度學習為代表借鑒人腦的多層結(jié)構(gòu)、神經(jīng)元的連接交互信息的逐層分析處理機制,自適應、自學習的強大并行信息處理能力,在圖像識別領(lǐng)域尤其適用[14],它能采集圖像的細微特征并對圖像特征進行精準判定,實現(xiàn)了快速、高效、準確的舌圖像智能分析,有效推進了中醫(yī)舌象的客觀化診斷進程,也為染苔的智能識別研究提供了參考性。本數(shù)據(jù)集的公開,可為中醫(yī)臨床、教學和科研提供方便,促進中醫(yī)文化傳承和學術(shù)交流;同時,建立中醫(yī)舌診染苔數(shù)據(jù)集,可以通過深度學習算法研究染苔圖像識別方法,為舌診方向的研究人員提供可靠的分類依據(jù),有效解決染苔假象問題,也在一定程度上為開發(fā)更智能、更準確的舌診儀提供數(shù)據(jù)支持。
    [1]
    SUI D, ZHANG L, YANG F. Data-driven based four examinations in TCM: a survey[J]. Digital Chinese Medicine, 2022, 5(4): 377–385. DOI: 10.1016/j.dcmed.2022.12.004.
    [2]
    高利, 劉萍, 羅玉敏. 舌苔的研究進展[J]. 中西醫(yī)結(jié)合心腦血管病雜志, 2011, 9(9): 1102–1103. DOI: 10.3969/j.issn.1672-1349.2011.09.042. [GAO L, LIU P, LUO Y M. Research progress of tongue coating[J]. Chinese Journal of Integrative Medicine on Cardio-/Cerebrovascular Disease, 2011, 9(9): 1102–1103. DOI: 10.3969/j.issn.1672-1349.2011.09.042.]
    [3]
    趙詩語, 張君. 舌苔微生態(tài)在各種疾病中研究進展[J]. 實用中醫(yī)內(nèi)科雜志, 2020, 34(7): 18–21. DOI: 10.13729/j.issn.1671-7813.Z20191044. [ZHAO S Y, ZHANG J. Recent progress in study of tongue coating microecology in various diseases[J]. Journal of Practical Traditional Chinese Internal Medicine, 2020, 34(7): 18–21. DOI: 10.13729/j.issn.1671-7813.Z20191044.]
    [4]
    熊明月, 王怡. 舌苔本質(zhì)的現(xiàn)代研究進展[J]. 陜西中醫(yī), 2020, 41(9): 1335–1338. DOI: 10.3969/j.issn.1000-7369.2020.09.044. [XIONG M Y, WANG Y. Modern research progress on the essence of tongue coating[J]. Shaanxi Journal of Traditional Chinese Medicine, 2020, 41(9): 1335–1338. DOI: 10.3969/j.issn.1000-7369.2020.09.044.]
    [5]
    王洋, 李書楠, 王昌恩, 等. 中醫(yī)療效評價中舌象研究重要性探析[J]. 中華中醫(yī)藥雜志, 2017, 32(10): 4347–4349. DOI: 10.3969/j.issn.1007-8134.2010.05.008. [WANG Y, LI S N, WANG C E, et al. Importance of tongue manifestation in TCM therapeutic evaluation[J]. China Journal of Traditional Chinese Medicine and Pharmacy, 2017, 32(10): 4347–4349. DOI: 10.3969/j.issn.1007-8134.2010.05.008.]
    [6]
    吳祖春, 陳群. 染苔及其鑒別[J]. 云南中醫(yī)中藥雜志, 2012, 33(1): 81–82. DOI: 10.3969/j.issn.1007-2349.2012.01.047. [WU Z C, CHEN Q. Moss staining and its identification[J]. Yunnan Journal of Traditional Chinese Medicine and Materia Medica, 2012, 33(1): 81–82. DOI: 10.3969/j.issn.1007-2349.2012.01.047.]
    [7]
    王靜, 常佩芬, 關(guān)靜, 等. 中醫(yī)舌診客觀化研究[J]. 中國中醫(yī)基礎(chǔ)醫(yī)學雜志, 2022, 28(9): 1531–1534. [WANG J, CHANG P F, GUAN J, et al. Study on the objectification of tongue diagnosis in traditional Chinese medicine[J]. Chinese Journal of Basic Medicine in Traditional Chinese Medicine, 2022, 28(9): 1531–1534.]
    [8]
    瞿婷婷, 夏春明, 王憶勤, 等. 基于Gabor小波變換的舌苔腐膩識別[J]. 計算機應用與軟件, 2016, 33(10): 162–166. DOI: 10.3969/j.issn.1000-386x.2016.10.036. [QU T T, XIA C M, WANG Y Q, et al. Recognition of greasy or curdy tongue coating based on Gabor wavelet transformation[J]. Computer Applications and Software, 2016, 33(10): 162–166. DOI: 10.3969/j.issn.1000-386x.2016.10.036.]
    [9]
    商子夢, 關(guān)貝, 馬赟, 等. 舌診信息數(shù)字化采集和特征分析的研究進展[J]. 中華中醫(yī)藥雜志, 2021, 36(10): 6010–6013. DOI: 10.16383/j.aas.c180807. [SHANG Z M, GUAN B, MA Y, et al. Research progress of digital collection and feature analysis of tongue diagnosis information[J]. China Journal of Traditional Chinese Medicine and Pharmacy, 2021, 36(10): 6010–6013. DOI: 10.16383/j.aas.c180807.]
    [10]
    KUSAKUNNIRAN W, BORWARNGINN P, KARNJANAPREECHAKORN S, et al. Encoder-decoder network with RMP for tongue segmentation[J]. Medical & Biological Engineering & Computing, 2023, 61(5): 1193–1207. DOI: 10.1007/s11517-022-02761-3.
    [11]
    SHI D, TANG C L, BLACKLEY S V, et al. An annotated dataset of tongue images supporting geriatric disease diagnosis[J]. Data in Brief, 2020, 32: 106153. DOI: 10.1016/j.dib.2020.106153.
    [12]
    ZHU L, XIN G J, WANG X, et al. A fast tongue detection and location algorithm in natural environment[J]. Computers, Materials & Continua, 2022, 73(3): 4727–4742. DOI: 10.32604/cmc.2022.028187.
    [13]
    楊志秀, 韓建寧, 于本知, 等. 一種改進的DeepLab V3+的醫(yī)學圖像分割方法[J]. 國外電子測量技術(shù), 2021, 40(9): 18–23. [YANG Z X, HAN J N, YU B Z, et al. Improved medical image segmentation method based on DeepLab V3 +[J]. Foreign Electronic Measurement Technology, 2021, 40(9): 18–23.]
    [14]
    周昀鍇. 機器學習及其相關(guān)算法簡介[J]. 科技傳播, 2019, 11(6): 153–154, 165. DOI: 10.3969/j.issn.1674-6708.2019.06.090. [ZHOU Y K. Brief introduction of machine learning and its related algorithms[J]. Public Communication of Science & Technology, 2019, 11(6): 153–154, 165. DOI: 10.3969/j.issn.1674-6708.2019.06.090.]
    數(shù)據(jù)引用格式
    鐘俐芹, 辛國江, 彭清華, 等. 中醫(yī)舌診染苔圖像數(shù)據(jù)集[DS/OL]. Science Data Bank, 2023. (2023-07-27). DOI: 10.57760/sciencedb.j00001.00822.
    稿件與作者信息
    論文引用格式
    鐘俐芹, 辛國江, 彭清華, 等. 中醫(yī)舌診染苔圖像數(shù)據(jù)集[J/OL]. 中國科學數(shù)據(jù), 2023, 8(3). (2023-08-22). DOI: 10.11922/11-6035.csd.2023.0114.zh.
    鐘俐芹
    ZHANG Liqin
    數(shù)據(jù)采集、數(shù)據(jù)集設(shè)計、論文撰寫。
    (1997—),女,湖南張家界人,碩士研究生,研究方向為中醫(yī)診斷學。
    辛國江
    XIN Guojiang
    舌體分割。
    (1979—),男,遼寧大連人,博士,副教授,碩士研究生導師,研究方向為圖像處理。
    彭清華
    PENG Qinghua
    數(shù)據(jù)集設(shè)計與構(gòu)建。
    (1964—),男,湖南寧鄉(xiāng)人,博士,教授,博士生導師,研究方向為中醫(yī)診斷學。
    劉旺華
    LIU Wanghua
    數(shù)據(jù)匯總整理。
    (1973—),男,湖南益陽人,博士,教授,碩士研究生導師,研究方向為中醫(yī)診斷學。
    吳瑩潔
    WU Yingjie
    數(shù)據(jù)采集。
    (1997—),女,河南洛陽人,碩士研究生,研究方向為中醫(yī)診斷學。
    盛丹
    SHENG Dan
    數(shù)據(jù)匯總整理。
    (1999—),女,湖南常德人,碩士研究生,研究方向為中醫(yī)診斷學。
    朱磊
    ZHU Lei
    舌體分割。
    (1997—),男,湖南雙峰人,碩士研究生,研究方向為圖像處理。
    隋強
    SUI Qiang
    舌象預處理。
    (1981—),男,黑龍江樺川人,碩士,工程師,研究方向為計算機視覺。
    梁昊
    LIANG Hao
    數(shù)據(jù)集設(shè)計與構(gòu)建,論文撰寫指導。
    lianghao@hnucm.edu.cn
    (1986—),男,河北保定人,博士,副教授,碩士研究生導師,研究方向為醫(yī)學人工智能。
    國家自然科學基金面上項目(82274411);湖南省自然科學基金面上項目(2022JJ40300);湖南中醫(yī)藥大學科研基金“揭榜掛帥”專項(2022XJJB002);湖南省青年科技創(chuàng)新人才項目(2022RC1021);國家重點研發(fā)計劃項目“中醫(yī)智能舌診系統(tǒng)研發(fā)”(SQ2017YFC170323)。
    National Natural Science Foundation of China (82274411); Hunan Provincial Natural Science Foundation (2022JJ40300); Leading Research Project of Hunan University of Chinese Medicine (2022XJJB002); Hunan Provincial Youth Science and Technology Innovation Talent Project (2022RC1021); National Key Research and Development Program of China “Research on the Intelligent Tongue Diagnosis System in Traditional Chinese Medicine” (SQ2017YFC170323).
    出版歷史
    I區(qū)發(fā)布時間:2023年6月19日 ( 版本ZH2
    II區(qū)出版時間:2023年8月22日 ( 版本ZH4
    參考文獻列表中查看
    中國科學數(shù)據(jù)
    csdata