摘要
慢性肾脏疾病（Chronic Kidney Disease，简称CKD）已成为当前慢性疾病中覆盖率较高的一种疾病，对慢性肾脏疾病的治疗是一个长期的过程，根据患者的当前症状可以将其划分为不同的肾脏疾病分期，中医认为舌体状态能够反映患者身体脏腑病变情况，在中医就诊中舌诊尤为重要，在慢性疾病的判断及治疗中能够起到良好的辅助作用，所以对于中医舌诊的信息化具有十分重要的意义。 本文从中医四诊中舌诊角度出发，研究舌体图像特征和慢性肾脏疾病的关系，最后实现基于舌体图像的肾脏疾病预测。主要包括舌体图像分割、舌体图像特征提取、分类预测三个模块，研究工作如下： 1.提出并实现基于Grab Cut图像分割算法的矫正分割算法，对比于单一的Grab Cut图像分割算法具有较低的时间复杂度，解决了Grab Cut图像分割算法的时间复杂度较高问题；引入并实现基于超像素分割算法（SLIC）的区域合并图像分割算法，将SLIC分割结果进行相似区域合并，在舌体图像分割中能够准确区分舌体边缘；引入并实现基于SLIC+Grab Cut的图像分割算法，解决了像素点太多造成Grab Cut图像分割算法时间复杂度较高的问题。 2.引入像素比例的方法对舌体图像进行特征提取，将舌体图像像素点按照相似性划分到12个颜色特征点上，计算每个颜色特征集合在图像中所占的比例，最终将舌体图像量化为12维属性；引入中医舌体区域划分方法，在每个区域内取64*64像素大小的图像，计算其灰度共生矩能量，将舌体图像量化为8维的纹理属性。最终每张舌体图像量化为20维属性。 3.引入基于异构分类器集成的分类器集成算法，分别对SVM、KNN、Bayes、DTree四个单分类算法进行分类器训练，根据不同分类器的预测错分率对不同分类器进行加权，并按照各个分类器权值进行加权投票，在单分类器的基础上提高了肾脏疾病预测准确率；基于加权投票的分类算法预测准确率提高5%以上。
NETL