CN102934988B - 中医望诊数字化系统评价色板的制作方法 - Google Patents

Abstract

中医望诊数字化系统评价色板的制作方法属于中医望诊现代化研究领域，用于望诊数字化系统图像描述以及显示再现的性能评价。由于图像采集及显示设备自身属性的不同，造成了采集到的图像数据缺乏规范性，且难以保证显示的图像颜色与人眼看到的望诊对象颜色的一致。本方法分析各类代表性面部、舌体的光谱反射曲线，选取基反射函数，并计算各类样本的典型色反射率和非典型色反射率，共同组成评价色板反射率集合；然后基于相减混色理论，将采用玫红、青、黄三基色颜料以及白色颜料，根据色板反射率集合计算各颜料配比，制作评价色块，并组成评价色板。得到的色差分布曲线显示，本方法训练样本集得到的模型对望诊感兴趣对象色块修正精度高于一般样本集。

Description

中医望诊数字化系统评价色板的制作方法

技术领域

本发明属于中医望诊现代化研究领域，特别涉及中医望诊对象(面部、舌体)的光谱色度学研究以及颜色复现领域，用于望诊数字化系统图像描述以及显示再现的性能评价。

背景技术

望诊是我国传统医学 “望、闻、问、切” 四诊诊法中的重要内容。鉴于传统的望诊方法主要依靠医生目测进行判断分析，缺乏客观评价依据，因此近年来望诊的客观化、现代化研究得到广大关注并取得了一定进展。

中医望诊现代化过程一般采用望诊数字化图像系统实现，它通过各种图像设备采集并显示图像，达到记录、再现、分析的目的。由于图像采集及显示设备自身属性的不同，造成了采集到的图像数据缺乏规范性，并且难以保证显示的图像颜色与人眼看到的望诊对象颜色的一致。这给很大程度上依靠颜色判断进行辨证的中医望诊带来了极大困扰。因此，采用客观化、定量化的手段对中医望诊数字化系统的图像数据规范性以及颜色显示复现性进行评价，是衡量系统性能的一个重要内容。

由于望诊对象，即面部、舌体，涉及有限的颜色范围，在这一范围内针对望诊对象光谱特点设计评价色板光谱组成，才能保证评价的实用性和有效性。

发明内容

本发明针对中医望诊数字化系统中图像数据规范以及颜色显示复现性能的评价问题，将光谱色度分析技术以及颜色复现技术应用于中医望诊对象，提出针对望诊对象光谱特性的评价色板设计及制作方案。

本发明具体技术方案如下：中医望诊数字化系统评价色板，是在测量中医望诊中各种面象、舌象光谱反射率条件下，计算提取代表性光谱，并基于混色原理制作具有这些代表性光谱的颜色块，组成评价色板。该发明的特征旨在为中医望诊数字化系统提供面部、舌体图像标准化描述以及显示复现性能评价的示例依据，依次包括下述步骤：

1.中医望诊对象代表性光谱确定

采用分光光度计测量正常及病态面象、舌象的光谱反射率，其中面象需要包含青、赤、黄、白、黑病色以及正常色用例，舌象需要包含淡红、淡白、红、绛、紫、青舌质用例以及淡白、白、黄、褐、灰、黑舌苔用例，共至少18类。每类用例需要包含100例以上的实例，并力求多样化，得到相应数量的光谱反射率，并由三位以上中医医师给出所属类型标定。

将测得的光谱反射率实例分为两类。一类称为典型实例，是所有医师都认同的某类型的典型色。另一类称为非典型实例，是医师出现类型标定分歧或者有医师认为不是典型类别(需给出认为有可能性的两个类别)的非典型色。分别得到各类典型色样本集和面色、舌色、苔色三个非典型色样本集，用于确定代表性色块样本光谱。

由于实际面色、舌色、苔色具有一定的多样性，为了使评价色板中有限的色块样本能够充分体现各类望诊对象的光谱特性，即具有更好的代表性，各类中的样本必须具有明确的颜色共性，即具有各类别典型性。将光谱反射率实例分为典型色和非典型色两类，并分别处理，就是为了消除非典型色对各类样本颜色共性带来的偏差影响，提高评价色块的代表性。

（1）对于18类典型色样本集，计算各类样本的平均光谱，得到18个典型色代表性反射率，并计算它们对应的典型色L^*a^*b^*色度值。

（2）对于非典型色样本集，计算所有样本光谱反射率对应的L^*a^*b^*色度值，采用一种基于典型色中心类别自适应的K均值聚类方法得到非典型色代表性反射率。

具体方法为：

a、类别自适应确定初始聚类中心：一般的K均值聚类是从N个训练样本中任选K个作为初始中心，这种方法没有针对样本特点，使聚类结果具有较大随意性。本发明是针对非典型色样本一般分布在典型色样本集之间区域的特点，根据已经确定的面色、舌色、苔色的各类典型色L^*a^*b^*色度值，采用基于先验知识的组合平均方式确定非典型色初始聚类中心。

以面色为例，根据非典型色样本标定中出现的类别组合，从6类典型色中选取相应类别的典型色L^*a^*b^*色度值组合，求平均确定非典型色初始聚类中心。例如对于某个非典型色样本，医师标定的类别有黄、白两种，则选取已经确定的黄色典型色L^*a^*b^*色度值和白色典型色L^*a^*b^*色度值，计算两者的平均值，作为一个非典型色初始聚类中心。同样方法得到舌色、苔色的非典型色初始聚类中心。

根据孟塞尔体系中相邻两个色块的平均色差约为10，本发明设定阈值T=10，对初始聚类中心进行调整。如两聚类中心色差小于T，就将这两类合并为一类，最终得到的K个初始聚类中心。

b、K均值聚类：

按最小距离原则，将非典型色样本集中的样本分配到K个聚类集中去，并且每个聚类集中采用该聚类集中的样本均值作为新的聚类中心。如此聚类迭代。

根据人眼对颜色的分辨能力，每一步迭代中，若K个新的聚类中心与前一步旧的聚类中心色差为3以内时，结束聚类，即收敛条件定为⊿E<3。否则继续如上述方法进行聚类迭代。

c、最终聚类中心L^*a^*b^*值对应的光谱反射率，即为非典型色反射率。

（3）采用PCA降维方法，提取这些光谱反射率的基反射函数。选取能量超过99%数量的基反射函数，作为基色反射率。根据有限维模型理论，光谱反射率可相当精确地用非常有限的基函数（特征向量）的线性模型来表示，且基函数的数量与光谱反射率带宽成比例。由于望诊对象的光谱反射率函数是带宽受限函数，一般3-4个基函数的线性模型可以达到99%以上的符合程度。因此，采用基色反射率作为代表性光谱反射率，可以补充典型色和非典型色反射率的不足，保证望诊对象光谱反射率基本信息的代表性。

（4）典型色反射率、非典型色反射率、基色反射率，即为望诊代表性光谱反射率，共同组成评价色板反射率集合。

2.基于混色原理的评价色板制作

将玫红、青、黄三基色颜料以及白色颜料均匀地涂在不透明基板上，晾干后采用分光光度计测量它们的光谱反射率，即颜料反射率。

根据Kubelka-Munk混色原理，计算评价色板反射率集合中各颜色的颜料配比。

按该配比将颜料混合，均匀地涂在不透明基板上，晾干后按一定尺寸裁成正方形色块。如此根据评价色板反射率集制作所有对应色块，并按顺序粘贴在一块基板上组合成色板。

有益效果

本发明旨在实现中医望诊数字化系统的图像描述规范化、图像显示颜色复现性的评价，即采用待评价系统拍摄评价色板并获取其图像数据以及显示色度信息，通过计算获得的各项数据与标准数据的差异，来评价系统性能。本方法首先分析各类代表性面部、舌体的光谱反射曲线，选取基反射函数，并计算各类样本的典型色反射率和非典型色反射率，共同组成评价色板反射率集合；然后基于相减混色理论，将采用玫红、青、黄三基色颜料以及白色颜料，根据色板反射率集合计算各颜料配比，制作评价色块，并组成评价色板。

由于色板中颜色体现了望诊对象的光谱特点，可作为望诊对象代表性颜色光谱示例样本，用以评价望诊数字化系统图像数据规范性和显示图像的复现性。同时，也可用于望诊数字化系统数据规范和显示复现算法研究的训练示例样本，优化系统性能。

将本方法得到的色块结合少量全色域聚类色块组成训练样本，训练望诊数字化图像系统数据修正模型（采用多项式模型)。使用测试样本分别测试该训练样本集得到的模型（感兴趣色域模型）和全色域聚类色块样本集得到的标准模型的表现（测试样本由ColorChecker-24与DigitalColorChecker-SG中skin zone共38个样本组成）。得到的色差分布曲线显示，本方法训练样本集得到的模型对望诊感兴趣对象色块（后14样本）修正精度高于一般样本集。

附图说明

图1是本方法的主流程图；

图2是中医望诊对象代表性光谱确定流程图；

图3是某类舌体典型色反射率曲线示例图；

图4是舌体颜色前三个基色反射率曲线示例图；

图5是基于混色原理的评价色板制作流程图；

图6是本方法训练样本集得到的模型与全色域训练样本集得到的模型下的测试样本色差分布对比曲线图。

具体实施方式

本实施方法的具体实施过程如下：

1.采用分光光度计如PR650测量正常及病态面象、舌象的光谱反射率，其中面象需要包含青、赤、黄、白、黑病色以及正常色用例，舌象需要包含淡红、淡白、红、绛、紫、青舌质用例以及淡白、白、黄、褐、灰、黑舌苔用例，共18类。每类用例需要包含100例以上的实例，并力求多样化，得到相应数量的光谱反射率，并由三位以上中医医师给出所属类型标定。

2.将测得的光谱反射率实例分为两类。一类称为典型实例，是所有医师都认同的某类型的典型色。另一类称为非典型实例，是医师出现类型标定分歧或者有医师认为不是典型类别(需给出认为有可能性的两个类别)的非典型色。分别得到各类典型色样本集和面色、舌色、苔色三个非典型色样本集，用于确定代表性色块样本光谱。

3.对于18类典型色样本集，计算各类样本的平均光谱，得到18个典型色代表性反射率，并计算它们对应的典型色L^*a^*b^*色度值。

4.对于非典型色样本集，计算所有样本光谱反射率对应的L^*a^*b^*色度值，采用一种基于典型色中心类别自适应的K均值聚类方法得到非典型色代表性反射率。

a、类别自适应确定初始聚类中心：根据已经确定的面色、舌色、苔色的各类典型色L^*a^*b^*色度值，采用基于先验知识的组合平均方式确定非典型色初始聚类中心。

以面色为例，根据非典型色样本标定中出现的类别组合，从6类典型色中选取相应类别的典型色L^*a^*b^*色度值组合，求平均确定非典型色初始聚类中心。例如对于某个非典型色样本，医师标定的类别有黄、白两种，则选取已经确定的黄色典型色L^*a^*b^*色度值和白色典型色L^*a^*b^*色度值，计算两者的平均值，作为一个非典型色初始聚类中心。同样方法得到舌色、苔色的非典型色初始聚类中心。

设定阈值T=10，对初始聚类中心进行调整。如两聚类中心色差小于T，就将这两类合并为一类，最终得到的K个初始聚类中心。

b、K均值聚类：设初始聚类中心为Z₁(k)、Z₂(k)、…Z_K(k)，括号内序号为聚类中心迭代次数；按最小距离原则，将其余样本分配到K个聚类集中去；

D_j(k)=min{||X-Z_i||,i=1,2,…,K}   则：X∈S_j(k)

式中k为聚类迭代次数；S_j(k)表示第k次迭代的第j个聚类集；D_j(k)表示第k次迭代中样本X与第j聚类中心距离最小。

采用样本均值作为新的聚类中心，重新计算各个聚类中心；

$Z_j(k+1)=\frac{1}{N_j}\underset{X\&Element;S_j\left(k\right)}{\mathrm{\&Sigma;}}X,j=\mathrm{1,2},...,K$

式中N_j表示第j个聚类集的样本个数。

根据人眼对颜色的分辨能力，若新旧聚类中心的色差范围为3以内时，即收敛条件定为⊿E<3，结束聚类。否则继续如上述方法进行聚类迭代。

c、最终聚类中心L^*a^*b^*值对应的光谱反射率，即为非典型色反射率。

5.采用PCA降维方法，提取这些光谱反射率样本集的基反射函数。

设光谱反射率样本集的协方差矩阵为：

$\mathrm{\&Sigma;}=\frac{1}{M}\underset{i=1}{\overset{M}{\mathrm{\&Sigma;}}}(x_i-\mathrm{\&mu;}){(x_i-\mathrm{\&mu;})}^T=\frac{1}{M}{\mathrm{XX}}^T$

其中，X=[x₁-μ,x₂-μ,…,x_M-μ]，x_i为第i个样本向量，μ为样本集的平均向量，M为样本数目。计算矩阵Σ的特征值和相应的特征向量，确定光谱反射率样本集的基函数。具体求解方法可采用奇异值分解算法，对于矩阵X进行奇异值分解，得到正交矩阵U和V，使得

。其中，W=diag[λ₁,λ₂,…,λ_M]，U=[u₁,u₂,…,u_M]，V=[v₁,v₂,…,v_M]。λ_i为矩阵X^TX的M个特征值，u_i和v_i分别为XX^T和X^TX对应于λ_i的特征向量。

计算各特征值占所有特征值能量

，并按能量由高到低顺序排列，选取累计能量即超过99%的特征值，其对应的特征向量即为基反射函数，作为基色反射率。

6.典型色反射率、非典型色反射率、基色反射率，即为望诊代表性光谱反射率，共同组成评价色板反射率集合。

7.将玫红、青、黄三基色颜料以及白色颜料均匀地涂在不透明基板上，晾干后采用分光光度计测量它们的光谱反射率，即颜料反射率。

8.计算评价色板反射率集合中各颜色的颜料配比。

选择三基色反射率的峰值波长定义为λ_m、λ_c、λ_y，取三基色颜料在峰值波长处的反射率值定义为，计算各颜料在这些峰值波长处的吸收散射比，其中x代表三基色m、c、y，, λ_a代表峰值波长λ_m、λ_c、λ_y。

计算评价色板某反射率

在这些峰值波长处的吸收散射比

,其中λ_a代表峰值波长λ_m、λ_c、λ_y。

设评价色板该反射率对应颜料配比为c_m、c_c、c_y、c_w，将已经计算得到的颜料吸收散射比和色板反射率对应吸收散射比代入下式计算颜料配比c_m、c_c、c_y、c_w。

$\left(\begin{array}{c}{\left(\frac{K}{S}\right)}_{{\mathrm{\&lambda;}}_a,\stackrel{\&OverBar;}{x}}=c_m{\left(\frac{k}{s}\right)}_{{\mathrm{\&lambda;}}_a,m}+c_c{\left(\frac{k}{s}\right)}_{{\mathrm{\&lambda;}}_a,c}+c_y{\left(\frac{k}{s}\right)}_{{\mathrm{\&lambda;}}_a,y}+c_w{\left(\frac{k}{s}\right)}_{{\mathrm{\&lambda;}}_a,w}\\ c_m+c_c+c_y+c_w=1\end{array}\right.$

9.按该配比将颜料混合，均匀地涂在不透明基板上，晾干后按一定尺寸裁成正方形色块。如此根据评价色板反射率集制作所有对应色块，并按顺序粘贴在一块基板上组合成色板。

Claims (1)

1.中医望诊数字化系统评价色板的制作方法，其特征在于：依次包括下述步骤：

1)中医望诊对象代表性光谱确定

采用分光光度计测量正常及病态面色、舌色的光谱反射率，其中面色需要包含青、赤、黄、白、黑病色以及正常色用例，舌色需要包含淡红、淡白、红、绛、紫、青舌质用例以及淡白、白、黄、褐、灰、黑苔色用例，共18类；每类用例需要包含100例以上的实例；

将测得的光谱反射率实例分为两类；一类称为典型实例，是所有医师都认同的某类型的典型色；另一类称为非典型实例，是医师出现类型标定分歧或者有医师认为不是典型类别，即需给出认为有可能性的两个类别的非典型色；分别得到各类典型色样本集和面色、舌色、苔色三个非典型色样本集，用于确定代表性色块样本光谱；

将光谱反射率实例分为典型色和非典型色两类，并分别处理；

（1）对于18类典型色样本集，计算各类样本的平均光谱，得到18个典型色代表性反射率，并计算它们对应的典型色L^*a^*b^*色度值；

（2）对于非典型色样本集，计算所有样本光谱反射率对应的L^*a^*b^*色度值，采用一种基于典型色中心类别自适应的K均值聚类方法得到非典型色代表性反射率；

具体方法为：

a、类别自适应确定初始聚类中心：根据已经确定的面色、舌色、苔色的各类典型色L^*a^*b^*色度值，采用基于先验知识的组合平均方式确定非典型色初始聚类中心；以面色为例，根据非典型色样本标定中出现的类别组合，从6类典型色中选取相应类别的典型色L^*a^*b^*色度值组合，求平均确定非典型色初始聚类中心；

同样方法得到舌色、苔色的非典型色初始聚类中心；

设定阈值T=10，对初始聚类中心进行调整；如两聚类中心色差小于T，就将这两类合并为一类，最终得到的K个初始聚类中心；

b、K均值聚类：

按最小距离原则，将非典型色样本集中的样本分配到K个聚类集中去，并且每个聚类集中采用该聚类集中的样本均值作为新的聚类中心；如此聚类迭代；

根据人眼对颜色的分辨能力，每一步迭代中，若K个新的聚类中心与前一步旧的聚类中心色差为3以内时，结束聚类，即收敛条件定为⊿E<3；否则继续如上述方法进行聚类迭代；

c、最终聚类中心L^*a^*b^*值对应的光谱反射率，即为非典型色反射率；

（3）采用PCA降维方法，提取这些光谱反射率的基反射函数；选取能量超过99%数量的基反射函数，作为基色反射率；

（4）典型色反射率、非典型色反射率、基色反射率，即为望诊代表性光谱反射率，共同组成评价色板反射率集合；

2)基于混色原理的评价色板制作

将玫红、青、黄三基色颜料以及白色颜料均匀地涂在不透明基板上，晾干后采用分光光度计测量它们的光谱反射率，即颜料反射率；

根据Kubelka-Munk混色原理，计算评价色板反射率集合中各颜色的颜料配比；按该配比将颜料混合，均匀地涂在不透明基板上，晾干后裁成正方形色块；如此根据评价色板反射率集制作所有对应色块，并按顺序粘贴在一块基板上组合成色板。

Images