摘要
目的:以陈四清老师门诊收治的慢性乙型病毒性肝炎患者的面部、舌部、手部、脉象信号图像为研究对象，构建数据库;运用卷积神经网络训练和预测模型，探求慢性乙型病毒性肝炎肝郁脾虚证四诊数据客观化特征，为实现慢性乙型病毒性肝炎中医临床诊断的规范化、标准化、智能化提供一定的技术支持。 方法: （1）使用依脉智能中医诊断系统采集患者舌部、面部、手部图像，使用PPG脉搏传感器采集脉搏信号，建立正负样本数据库; （2）对舌部图像进行基于阈值分割的舌轮廓提取;对脉部图像使用小波阈值分解和检测脉搏波谷的方式去除基线偏移;最后采用旋转、剪切、放大、水平翻转、平移变换五种方式对四诊样本进行数据增强; （3）运用Inception-V3神经网络对预处理后的四诊数据样本进行训练，将训练完成的测试集进行预测，最后对其结果进行分析和总结。 结果: （1）收集面部、舌部、手部、脉部数据样本各88例，其中正样本（肝郁脾虚证）57例，负样本（肝胆湿热证、肝肾阴虚证、瘀血阻络证、脾肾阳虚证）31例;纳入的88例样本中，男性42例、48诊次，女性39例，40诊次，患者年龄主要分布在40-59岁，年龄最小者30岁，年龄最大者72岁。 （2）卷积神经网络模型训练结果 四诊模型测试集学习过程中，四诊准确率随训练次数增加逐渐升高并趋于稳定; 四诊模型预测结果:准确率由高到低依次为手诊（92.9％）、舌诊（80.8％）、面（77％）、脉诊（72.1％）;精确率由高到低依次为手诊（89.9％）、舌诊（81.4％）、脉诊（73.4％）、面诊（72％）;召回率由高到低依次为手诊（96.7％）、面诊（93.1％）、舌诊（80％）、脉诊（75％）;FI值从高到低依次为手诊（93.1％）、面诊（82％）、舌诊（80.7％）、脉诊（74.2％）; 四诊信息融合训练经结果多数表决和结果加权平均方式后除脉诊外，其他准确率均达到99％以上。 结论:卷积神经网络在慢性乙肝小样本基础上，对四诊图像具有良好的学习能力;四诊模型预测结果中，手诊预测能力均最强，面诊和舌诊次之，脉诊最弱，说明机器学习对慢性乙肝的手部特征反映最灵敏;四诊融合训练能够提高准确率。
NETL