本技术提供了一种利用深度学习技术的健康评估方法,旨在克服传统舌象信息采集的局限性。该方法通过先进的深度学习模型,能够全面捕捉舌象信息,减少口腔清洁度、光照条件和支撑不稳定对舌象分析的影响,实现对舌体运动轨迹的精确跟踪,并获取详细的舌象参数,以提高健康评估的准确性。
背景技术
舌象是指通过观察舌头的色泽、形态、舌苔等变化来辅助诊断及鉴别疾病的一种简单有效的方法;在中医学中,舌诊是望诊的重要组成部分,通过观察舌象可以了解体内病变;
传统舌象采集多关注静态舌象,对于动态变化的采集不够全面和规范,动态舌象能够捕捉到舌头随时间变化的动态信息,能够更全面的信息捕捉;动态舌象通过观察舌头的动态变化,可以更准确地反映舌头的功能状态和病理变化,有助于提高中医诊断的准确性;
患者口腔清洁程度缺乏有效的判断方法,导致口腔不洁净,影响对舌苔颜色和形态的正确判断;光照不均匀使得图像中的某些区域过亮或过暗,从而影响舌象特征的准确识别和分析;头部的不稳定会导致拍摄的舌象图像模糊,干扰舌象特征的识别和分析;
对于舌体运动特征的分析不够精确和全面,缺乏系统的方法来准确跟踪舌体运动轨迹,难以获取详细的运动参数;基于舌象的健康评估方法相对单一和主观,缺乏对舌体运动特征与健康状况之间复杂关系的深入挖掘;
针对上述技术问题,本申请提出一种解决方案。
实现思路