「辨證論治」是中醫認識與治療疾病的核心精髓，其中，辨證就是將四診（望、聞、問、切）所收集到的資訊通過分析，判斷為某種性質的證。望診居於四診之首，而舌診是在望診中重要的診察項目之一。舌診是通過中醫師觀察舌形、舌質、舌苔等特徵，並通過個人所學及經驗來判讀出人體腑臟虛實，然而診斷結果往往因中醫師臨床經驗及主觀因素而有所差異。在過去，自動化舌診系統及智慧手機舌診系統已透過科學方法，開發標準化判別程序系統，通過對舌面影像的量化分析提升診斷結果之可靠性與一致性，以利醫師及早發現病灶、對症下藥。然而，舌面區域擷取結果仍不盡理想，從而影響舌診系統對舌面特徵之判讀；現今已有許多研究提出以器官特徵與色彩分析為基礎的邊界分割演算法、主動輪廓模型分割等方式擷取舌面，但由於皮膚、嘴唇等器官與舌頭顏色過於相近而導致分割仍會出現錯誤，使得分割後的舌面輪廓與實際舌面有落差，影響舌部特徵的判讀與分類，最終影響舌診系統之準確度。
為提升舌面影像擷取準確性，本文將以深度學習為基礎進行舌面影像分割，使用Unet架構，綜合自動化舌診系統及智慧手機舌診系統所拍攝共9935張舌面影像做為訓練與測試資料，針對舌面區域做自動化分割，改善目前自動化舌診系統與智慧手機舌診系統對於舌面分割不精準導致後續舌面特徵判讀失真的問題。為驗證模型準確度及容錯率，本論文對資料集進行交叉驗證，並對模型極限進行測試：在相機拍攝時開啟與關閉閃光燈、相機自動曝光、拍攝距離的遠近、拍攝影像之明亮度、影像模糊及不同光線環境下的準確度；並且利用訓練後的舌面模型當成預訓練，對舌背也進行訓練。實驗在U-net的模型架構下，在交叉驗證得到0.9818的mIOU，且在各項環境中皆能準確分割出舌面，證明模型的準確度及可靠度。
|