中医四诊智能化现状及关键技术探讨

李红岩; 李灿; 郎许锋; 杨涛; 周作建; 战丽彬

doi:10.13288/j.11-2166/r.2022.12.001

您当前的位置：

首页 >

文章列表页 >

中医四诊智能化现状及关键技术探讨

学术探讨 | 更新时间：2022-06-10

- 中医四诊智能化现状及关键技术探讨
- The Current Status and Key Techniques of Intelligentization of the Four Examinations in Traditional Chinese Medicine
- 中医杂志 2022年63卷第12期页码：1101-1108
- 作者机构：
  
  1.南京中医药大学人工智能与信息技术学院，江苏省南京市栖霞区仙林大道138号，210023
  2.辽宁中医药大学中医药创新工程技术中心
- 作者简介：
  
  zhouzj@njucm.edu.cn
- 基金信息：
  
  国家重点研发计划“中医药现代化研究”专项(2018YFC1704400);国家自然科学基金(82174276);中国博士后科学基金(2021M701674);江苏省博士后科研资助计划(2021K457C);江苏高校哲学社会科学项目(2021SJA0319);江苏高校“青蓝工程”
- DOI：10.13288/j.11-2166/r.2022.12.001
  中图分类号：
- 收稿：2021-10-22，
  
  修回：2022-02-01，
  
  纸质出版：2022-06-17
- 稿件说明：
移动端阅览
李红岩,李灿,郎许锋等.中医四诊智能化现状及关键技术探讨[J].中医杂志,2022,63(12):1101-1108.

LI Hongyan,LI Can,LANG Xufeng,et al.The Current Status and Key Techniques of Intelligentization of the Four Examinations in Traditional Chinese Medicine[J].Journal of Traditional Chinese Medicine,2022,63(12):1101-1108.
李红岩,李灿,郎许锋等.中医四诊智能化现状及关键技术探讨[J].中医杂志,2022,63(12):1101-1108. DOI： 10.13288/j.11-2166/r.2022.12.001.

LI Hongyan,LI Can,LANG Xufeng,et al.The Current Status and Key Techniques of Intelligentization of the Four Examinations in Traditional Chinese Medicine[J].Journal of Traditional Chinese Medicine,2022,63(12):1101-1108. DOI： 10.13288/j.11-2166/r.2022.12.001.

摘要

中医四诊是传统中医对疾病进行辨证施治的主要手段。近年来，伴随着人工智能技术的快速发展，中医四诊智能化也取得了丰硕的成果。通过对“望、闻、问、切”四诊的科研进展和应用实践的智能化现状的分析，探讨实现四诊智能化需要解决的三大技术问题，即数据准备、特征提取和模型构建中的关键技术，以及其在四诊中的应用方式和效果，并对已有的相关方法进行了客观的对比与分析。并据此指出中医四诊智能化研究目前仍面临的问题，即精准标注数据集缺失、泛化特征提取能力有限、四诊融合的智能化研究相对缺少等。认为中医智能化今后发展应注重建立标准数据库，关注特征提取的标准化和自动化，设备应向小型化、移动化和可穿戴化发展，硬件和流程应标准化和规范化，“四诊合诊”应不断融合。

Abstract

Syndrome Differentiation and treatment in traditional Chinese medicine （TCM） is mainly based on the four examinations in ancient times. With the rapid development of artificial intelligence in recent years， the intelligentization of the TCM four examinations has achieved fruitful results. By analyzing the intelligence progress of the four examinations （inspection， listening and smelling， inquiry， and palpitation） in the related scientific researches and clinical application， this paper summarized three to-be-solved technical problems in the intelligentization of the four examinations， namely the key techniques in data preparation， feature extraction and model construction， and discussed the related application mode and effect after comparing and analyzing the current methods objectively. It is pointed out that there are still problems in the intelligentization of the four examinations， such as lack of accurate database labeling， limited ability to extract the generalized features， and scarce researches on intelligentization of fusing the four examinations. In the future development of intelligentization in TCM， focus should be put on establishing a standard database， promoting standardization and automation of feature extraction， pushing forward miniaturized， mobile and wearable devices， prompting standardization and normalization of the hardware and procedure， and encouraging the fusion of the four examinations to obtain comprehensive analysis.

关键词

Keywords

references

张钰莹，周华，詹松华，等 . 中医四诊新技术的应用及研究进展［J］. 中国医学计算机成像杂志， 2021 ， 27 （ 1 ）： 83 - 86 .

赵文，张佳，徐佳君，等 . 四诊合参智能化发展现状及实现路径［J］. 中医杂志， 2020 ， 61 （ 1 ）： 58 - 62，67 .

林怡 . 基于计算机视觉的中医望诊面色分类研究［D］. 南京：南京财经大学， 2020 .

李翔，邓颖，蒋鹏飞，等 . 基于眼底图像视网膜血管分割、分类方法的中医目诊研究［J］. 湖南中医药大学学报， 2021 ， 41 （ 3 ）： 406 - 411 .

李书楠，刘培，蒋鹏飞，等 . 基于整体观念的中医眼科望诊体系的构建［J］. 中华中医药杂志， 2020 ， 35 （ 9 ）： 4413 - 4416 .

NAVEED K ， ABDULLAH F ， MADNI HA ， et al . Towards automated eye diagnosis： an improved retinal vessel segmentation framework using ensemble block matching 3D filter ［J］. Diagnostics ， 2021 ， 11 （ 114 ）： 1 - 27 .

KANSAL P ， DEVANATHAN S . EyeNet： attention based convolutional encoder-decoder network for eye region segmentation ［EB/OL］.（ 2019-10-08 ）［ 2021-10-07 ］. https： //arxiv.org/ftp/arxiv/papers/1910/1910.03274.pdf https://arxiv.org/ftp/arxiv/papers/1910/1910.03274.pdf .

宋海贝，温川飙，程小恩 . 基于AI的中医舌象面象辅助诊疗系统构建［J］. 时珍国医国药， 2020 ， 31 （ 2 ）： 502 - 505 .

宋海贝，温川飙，程小恩 . 基于知识图谱的我国中医四诊研究热点与前沿分析［J］. 世界科学技术-中医药现代化， 2020 ， 22 （ 5 ）： 1587 - 1594 .

宋海贝，温川飙 . 中医面诊信息自动识别方法研究进展［J］. 成都中医药大学学报， 2018 ， 41 （ 1 ）： 5 - 8 .

林怡，王斌，许家佗，等 . 基于面部图像特征融合的中医望诊面色分类研究［J］. 实用临床医药杂志， 2020 ， 24 （ 14 ）： 1 - 5 .

宋超，王斌，许家佗 . 基于深度迁移学习的舌象特征分类方法研究［J］. 计算机工程与科学， 2021 ， 43 （ 8 ）： 1488 - 1496 .

陈梦竹，岑翼刚，许家佗，等 . 基于图像处理的望诊面色自动识别研究［J］. 中国中医药信息杂志， 2018 ， 25 （ 12 ）： 97 - 101

王寺晶，宋雪阳，冯路，等 . 不同影像学性质肺结节患者的舌象参数特征分析［J］. 世界科学技术-中医药现代化， 2021 ， 23 （ 1 ）： 276 - 282 .

李福凤，邸丹，王忆勤，等 . 基于计算机技术的中医面色诊信息采集与识别研究［J］. 世界科学技术-中医药现代化， 2008 ， 10 （ 6 ）： 71 - 76 .

徐艺峰，王忆勤，郝一鸣 . 2型糖尿病患者中医主证舌诊客观参数分析［J］. 世界科学技术-中医药现代化， 2021 ， 23 （ 2 ）： 402 - 409 .

房雨晨，冯依伊，王忆勤，等 . 基于舌图信息及舌苔物质分析的慢性胃炎舌诊客观化研究概述［J］. 世界科学技术-中医药现代化， 2020 ， 22 （ 9 ）： 3306 - 3310 .

胡继礼，阚红星 . 基于卷积神经网络的舌象分类［J］. 安庆师范大学学报（自然科学版）， 2018 ， 24 （ 4 ）： 44 - 49 .

胡继礼，丁亚涛，阚红星 . 基于机器学习的舌象体质分类［J］. 佳木斯大学学报（自然科学版）， 2018 ， 36 （ 5 ）： 709 - 713 .

刘梦，王曦廷，周璐，等 . 基于深度学习与迁移学习的中医舌象提取识别研究［J］. 中医杂志， 2019 ， 60 （ 10 ）： 835 - 840 .

HU Y ， WEN G ， LIAO H ， et al . Automatic construction of Chinese herbal prescriptions from tongue images using CNNs and auxiliary latent therapy topics ［J］. IEEE Trans Cybern， 2019 ， 51 （ 2 ）： 708 - 721 .

HUAN E ， WEN G ， ZHANG S ， et al . Deep convolutional neural networks for classifying body constitution based on face image ［J］. Comput Math Methods Med ， 2017 ： 1 - 9 . doi： 10.1155/2017/9846707 http://dx.doi.org/10.1155/2017/9846707 .

HUAN E ， WEN G . Transfer learning with deep convolutional neural network for constitution classification with face image ［J］. MTAP ， 2020 ， 79 （ 4 ）： 11905 - 11919 .

MA J ， WEN G ， WANG C ， et al . Complexity perception classification method for tongue constitution recognition ［J］. ARTIF INTELL MED ， 2019 ， 96 ： 123 - 133 . doi： 10.1016/j.artmed.2019.03.008 http://dx.doi.org/10.1016/j.artmed.2019.03.008 .

HUANG X ， ZHANG H ， ZHUO L ， et al . TISNet-enhanced fully convolutional network with encoder-decoder structure for tongue image segmentation in traditional Chinese medicine ［J］. Comput Math Method Med ， 2020 ： 1 - 13 . doi： 10.1155/2020/6029258 http://dx.doi.org/10.1155/2020/6029258 .

ZHOU C ， FAN H ， ZHAO W ， et al . Reconstruction enhanced probabilistic model for semisupervised tongue image segmentation ［J］. Concurr Comput Pract Exp ， 2020 ， 32 （ 22 ）： 1 - 10 .

MORO-VELAZQUEZ L ， GOMEZ-GARCIA JA ， ARIAS-LONDONO JD ， et al . Advances in Parkinson's Disease detection and assessment using voice and speech： a review of the articulatory and phonatory aspects ［J］. Biomed Signal Proces ， 2021 ， 66 ， doi： 10.1016/j.bspc. 2021.102418 http://dx.doi.org/10.1016/j.bspc.2021.102418 .

MA Z ， BULLEN C ， CHU J T W ， et al . Towards the objective speech assessment of smoking status based on voice features： a review of the literature ［J］. J Voice ， 2021 ， 1 - 10 ， doi： 10.1016/j.jvoice.2020.12.014 http://dx.doi.org/10.1016/j.jvoice.2020.12.014 .

RUSZ J ， TYKALOVA T ， RAMIG LO ， et al . Guidelines for speech recording and acoustic analyses in dysarthrias of movement disorders ［J］. Movement Disord ， 2021 ， 36 （ 4 ）： 803 - 814 .

王忆勤 . 中医诊断技术发展及四诊信息融合研究［J］. 上海中医药大学学报， 2019 ， 33 （ 1 ）： 1 - 7 .

宋雪阳，许朝霞，王寺晶，等 . 121例肺结节患者的语音共振峰初探［J］. 世界科学技术-中医药现代化， 2019 ， 21 （ 12 ）： 371 - 375 .

宋雪阳，许朝霞，王寺晶，等 . 中医闻诊客观化临床应用研究概述［J］. 中国中医药信息杂志， 2019 ， 26 （ 3 ）： 141 - 144 .

宋雪阳 . 不同证候肺结节患者的中医声诊特征初步观察［D］. 上海：上海中医药大学， 2019 .

HU W ， WAN L ， JIAN Y ， et al . Electronic noses： from advanced materials to sensors aided with data processing ［J］. Adv Mater Technol ， 2019 ， 4 （ 2 ）： 1 - 38 .

吴敏，林雪娟，连梨梨，等 . 基于电子鼻的热证患者口腔呼气的气味图谱特征分析［J］. 中华中医药杂志， 2020 ， 35 （ 1 ）： 133 - 136 .

林雪娟，郑哲洲，吴青海，等 . 基于电子鼻的2型糖尿病虚实病性间的气味识别分析［J］. 中华中医药杂志， 2015 ， 30 （ 8 ）： 2687 - 2691 .

郭森仁，梁丽丽，林雪娟，等 . 基于电子鼻的慢性胃炎常见病性证素间的气味图谱特征研究［J］. 中华中医药杂志， 2016 ， 31 （ 6 ）： 2263 - 2266 .

KARAKAYA D ， ULUCAN O ， TURKAN M . Electronic nose and its applications： a survey ［J］. IJAC ， 2020 ， 17 （ 2 ）： 179 - 209 .

李先涛，周旋，方格，等 . 中医证候诊断量表研究现况［J］. 辽宁中医杂志， 2020 ， 47 （ 1 ）： 18 - 21 .

何雯青，赵虎雷，谢洋 . 近20年中医证候测评工具研究现状的可视化分析［J］. 世界科学技术-中医药现代化， 2021 ， 23 （ 1 ）： 176 - 183 .

李甜，刘雪梅，刘媛，等 . 从脉诊仪谈中医脉诊客观化［J］. 河南中医， 2017 ， 37 （ 1 ）： 37 - 40 .

叶青，胡军，刘莉君，等 . 脉象仪研究进展［J］. 中华中医药杂志， 2021 ， 36 （ 5 ）： 2834 - 2838 .

LV J ， DONG B ， LEI H ， et al . Artificial intelligence-assisted auscultation in detecting congenital heart disease ［J］. Eur Heart J Digit Health ， 2021 ， 2 （ 1 ）： 119 - 124 .

曹静 . 基于复杂网络的推荐算法在中医辅助问诊中的应用研究［D］. 镇江：江苏大学， 2018 .

CHEN C ， LI Z ， ZHANG Y ， et al . A 3D wrist pulse signal acquisition system for width information of pulse wave ［J］. Sensors ， 2020 ， 20 （ 11 ）： 1 - 16 .

WANG E ， ZHAO X ， CHEN Y ， et al . Design of pulse diagnostic robot for traditional Chinese medicine ［C］// ICRAE . 2020 5th International Conference on Robotics and Automation Engineering （ICRAE）， Dalian ： IEEE Robotics and Automation Society ， 2020 ： 87 - 92 .

LIN Q ， HUANG J ， YANG J ， et al . Highly sensitive fle-xible iontronic pressure sensor for fingertip pulse monito-ring ［J］. Adv Healthc Mater ， 2020 ， 9 （ 17 ）： 1 - 11 .

YUE Z ， YE X ， LIU S ， et al . Towards ultra-wide operation range and high sensitivity： graphene film based pressure sensors for fingertips ［J］. Biosens Bioelectron ， 2019 ， 139 . doi： 10.1016/j.bios.2019.05.001 http://dx.doi.org/10.1016/j.bios.2019.05.001 .

梁文娜，林雪娟，俞洁，等 . 真实世界的大数据助推中医健康管理进入人工智能时代［J］. 中华中医药杂志， 2018 ， 33 （ 4 ）： 1213 - 1215 .

JIANG YL ， ZHANG XL ， DENG J ， et al . Data augmentation based convolutional neural network for auscultation ［J］. J Fudan Univer （Natural Science）， 2019 ， 58 （ 3 ）： 328 - 334 .

刘畅 . 感染性咳嗽的感染部位及中医证候与咳声特征的相关性研究［D］. 北京：北京中医药大学， 2018 .

林雪娟，吴敏，连梨梨，等 . 基于电子鼻的热证常见病位的口腔呼气气味图谱特征［J］. 中华中医药杂志， 2020 ， 35 （ 12 ）： 6294 - 6297 .

林雪娟，梁丽丽，刘丽桑，等 . 基于电子鼻的慢性胃炎寒热病性间的气味图谱特征研究［J］. 中华中医药杂志， 2016 ， 31 （ 4 ）： 1193 - 1197 .

陈其跃 . 基于极限学习机的慢性胃炎中医问诊证候研究［D］. 上海：华东理工大学， 2015 .

王艺平 . 面向中医骨科问诊的相似病例推荐方法研究［D］. 昆明：昆明理工大学， 2019 .

佟旭 . 基于复杂网络理论的糖尿病肾病辨证建模研究［D］. 北京：北京中医药大学， 2016 .

曹彬 . 基于深度学习的智能中医问答系统的设计［D］. 广州：广东工业大学， 2019 .

郑昊，黄嘉华，潘美均，等 . 近5年中医诊断量表文献分析［J］. 河南中医， 2020 ， 40 （ 11 ）： 1703 - 1708 .

JIANG Z ， ZHANG D ， LU G . Radial artery pulse waveform analysis based on curve fitting using discrete Fourier series ［J］. Comput Meth Prog Bio ， 2019 ， 174 ： 25 - 31 . doi： 10.1016/j.cmpb.2018.04.019 http://dx.doi.org/10.1016/j.cmpb.2018.04.019 .

PAIVA J S ， CARDOSO J ， PEREIRA T . Supervised learning methods for pathological arterial pulse wave differentiation： a SVM and neural networks approach ［J］. Int J Med Inform ， 2018 ， 109 ： 30 - 38 . doi： 10.1016/j. ijmedinf.2017.10.011 http://dx.doi.org/10.1016/j.ijmedinf.2017.10.011 .

GRADOLEWSKI D ， MAGENES G ， JOHANSSON S ， et al . A wavelet transform-based neural network denoising algorithm for mobile phonocardiography ［J］. Sensors ， 2019 ， 19 （ 4 ）： 1 - 18 .

GOKCEN A . Computer-aided diagnosis system for chronic obstructive pulmonary disease using empirical wavelet transform on auscultation sounds ［J］. Comput J ， 2021 ， 64 （ 11 ）： 1775 - 1783 .

ALTAN G ， KUTLU Y ， GARBI Y ， et al . Multimedia Respiratory Database （RespiratoryDatabase@TR）： Auscultation Sounds and Chest X-rays ［J］. Nat Eng Sci ， 2017 ， 2 （ 3 ）： 59 - 72 .

THOENES M ， AGARWAL A ， GRUNDMANN D ， et al . Narrative review of the role of artificial intelligence to improve aortic valve disease management ［J］. J Thorac Dis ， 2021 ， 13 （ 1 ）： 1 - 9 .

颜建军，刘章鹏，刘国萍，等 . 基于深度森林算法的慢性胃炎中医证候分类［J］. 华东理工大学学报（自然科学版）， 2019 ， 45 （ 4 ）： 593 - 599 .

徐玮斐，顾巍杰，刘国萍，等 . 基于随机森林和多标记学习算法的慢性胃炎实证特征选择和证候分类识别研究［J］. 中国中医药信息杂志， 2016 ， 23 （ 8 ）： 18 - 23 .

辛基梁 . 基于中医状态学理论的健康状态辨识算法研究［D］. 厦门：福建中医药大学， 2020 .

ZHANG Z ， ZHANG Y ， YAO L ， et al . A sensor-based wrist pulse signal processing and lung cancer recognition ［J］. J Biomed Inform ， 2018 ， 79 ： 107 - 116 . doi： 10. 1016/j.jbi.2018.01.009 http://dx.doi.org/10.1016/j.jbi.2018.01.009 .

KANDEE M ， BOONBRAHM P ， TANTAYOTAI V . Development of virtual pulse simulation for pulse diagnosis studies ［J］. iJIM ， 2018 ， 12 （ 7 ）： 31 - 42 .

林景峰 . 基于多种生理信息与症状体征的抑郁症中医人工智能辨证方案建立［D］. 北京：北京中医药大学， 2021 .

查看原文

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

“道-神-方”一体的中医哲学及实践路径

调气定神法刍议

通便汤对慢传输型便秘模型大鼠结肠组织VAPB-PTPIP51复合物及Cajal间质细胞自噬的影响

经筋理论视角下激痛点与结筋病灶点的异同

“天癸”与女性生殖遗传疾病相关性探究