一、舌色变化与疾病内在相关性的临床研究集要（论文文献综述）
张艳,罗文轩,王诗尧,王辰光,王世东,陈宗俊,曹钋,史银春,肖永华[1]（2021）在《慢性肾衰竭的舌诊研究概述》文中研究表明舌诊是中医"四诊"中望诊的重要内容,在中医临床诊治中的地位举足轻重。根据中医基础理论,舌为心之苗,脾之外候,苔由胃气所生。脏腑、经络与舌相联,如"手少阴之别系舌本;足少阴之脉挟舌本;足厥阴之脉络舌本;足太阴之脉连舌本,散舌下"。传统舌诊主要通过医生观察患者舌象,包括舌体和舌苔的形态、色泽、润燥等系列表现,来判断疾病病性、病势、气血盛衰及脏腑虚实等。
李青伟[2]（2021）在《基于Lab色彩模型探讨健康人不同舌象微生物特征及与T2DM的对照研究》文中研究指明研究背景舌诊作为望诊的重点内容,是获取中医临床辨证论治所需客观指标的重要方法之一。现代科技背景下,中医微观化、客观化领域的现代化研究方兴未艾,并把舌诊作为一个重要突破口。中医学强调整体观,并以司外揣内、见微知着等基本原则指导理论研究与临床实践,而微生态学作为细胞及分子水平的生态学,二者在基本理论观点上具有相似性,这也是二者得以合作的切入点。随着舌苔微生态领域研究的逐渐深入以及更新更好的微生物技术的使用,将能更好的发现理解疾病与中医舌象变化、舌苔微生态之间的相互关系及变化规律,不断深入挖掘中医舌诊的科学内涵,使中医舌诊更好地在临床实践乃至现代医学诊疗中发挥优势与作用。然而目前舌苔微生态研究多集中于特定疾病的特定舌苔类型,受疾病特异性因素干扰,研究结果可重复性差。本研究以健康人群的八种舌苔类型为主要研究对象,通过宏基因组测序的方式探寻不同舌象的微生物学特征及与疾病的关系。研究目的从舌苔微生物的角度,研究中医舌象的科学规律与形成机制,揭示现代医学背景下中医舌象可能的生物学基础。描绘健康人舌象的微生物学特征,寻找不同舌象各自的标志性微生物,与糖尿病相同舌象相对照,寻找“异病同证”背景下的疾病特异性相关的特征微生物。同时运用现代科技手段探索中医舌象诊断标准化,建立可靠的舌象辅助辨证方法,为进一步相关研究奠定方法学基础。研究方法在舌象辅助辨证的基础上,我们将健康人群的舌苔按颜色、厚度和湿润度分为八种类型,包括薄白、薄白腻、白厚腻、白厚燥、薄黄、薄黄腻、黄厚腻、黄厚燥。首先使用中国上海DAOSH公司研制的DS01-G舌象采集仪,对健康志愿者和糖尿病患者的舌苔进行标准化拍照。其次在口腔清洁后使用无菌植绒棉拭子按标准化操作流程在舌中部位采集微生物群,并保存在微基微生物标本冻存管,-80度冰箱内保存。使用蛋白酶K裂解结合苯酚氯仿提取法从样品中提取总DNA。在1.2%琼脂糖凝胶上运行样品检测。测序文库由 NEBNext（?）UltraTM DNA Library Prep Kit for Illumina（?）（New England Biolabs公司,美国）构建。利用微基生物技术（上海）有限公司的Illumina Novaseq 6000、150-bp配对末端技术对基因组文库进行了测序。将预测的基因进行聚类,并使用CD-HIT包构建非冗余基因目录（参数:一致性identity=95%,覆盖率coverage=90%）。利用BEDtools中的基因组计算覆盖度功能快速估算了基因的丰度。使用DIAMOND软件对非冗余数据库（Non-Redundant Database,NR）进行分类。使用R语言函数中的cor.test进行相关性系数的计算和检验,使用R的igraph软件（版本1.2.5）进行共生网络构建。使用R中的prcomp和分类学丰度信息执行主成分分析,并通过R中的ggplot2将其绘制。使用非参数秩和检验对微生物群结果进行分析,使用 LEfSe v1.0 进行 LEfSe 分析。统计学使用 SPSS（版本 24）及 Microsoft Excel 2020软件,P值<0.05被认为有显着统计学意义。研究结果研究一:1.舌象辅助辨证我们分析了 72例入组舌象中间部位的L值、A值与B值。结果显示,LAB色彩量化体系与人工舌象诊断存在显着相关性。其中反应色彩亮度的L值在各组中无显着差异。B值与苔色正相关,白苔整体B值低,黄苔整体B值高。在利用道生手持舌象仪拍摄条件下,b值低于8.5可判定为白苔,高于8.5可判定为黄苔;A值与舌苔厚薄呈负相关,薄苔整体A值高,厚苔整体A值底。白苔中低于21为厚苔,高于21为薄苔,黄苔中低于17为厚苔,高于17为薄苔。研究二:1.基线特征通过病例筛查入组的180人中,最终有94人的舌苔样本被用于舌苔微生物群分析。队列中女性占74.47%,男性占25.53%。每组的年龄一般在45岁至55岁之间,组间无显着性差异。最常见的舌苔是薄白、薄黄腻和薄白腻,每种舌苔人数超过20例。72.24%的舌苔可以定义为薄苔,而27.76%属于厚苔,白色舌苔的百分比为57.45%,高于黄色舌苔的42.55%,腻苔受试者比例69.15%。2.舌苔微生物群落特征研究人群中最丰富的属是普雷沃氏菌（Prevotella）,平均丰度为15.7%,奈瑟菌（Neiseria）为13.1%。其次依次为链球菌（Strptococcus）为10.8%,放线菌（Actinomyces）为8.8%,韦永氏菌（Veillonella）为8.4%等。最常见的门系是厚壁菌门（Firmicutes）,达到最高丰度27.9%,其次是拟杆菌门（Bacteriodetes）,变形菌门（Proteobacteria）,放线菌门（Actinobacteria）和梭杆菌门（Fusobacteria）,其丰度分别为21.9%、19.9%、18.9%、5.7%。根据主成分分析结果发现相对于不同的舌苔类型,它们的微生物β多样性并没有存在显着差异。3.不同舌苔类型特征微生物选取LDA高于3的细菌作为特征微生物。其中薄白苔为芽孢杆菌目（Bacillales order）;白厚腻舌苔为微小球菌（Megasphaera micronuciformis）,韦永氏菌（Vellonella）及婴儿链球菌（Streptococcus infantis）;薄黄苔为变形菌门（Proteobacteria）;黄厚腻舌苔为产黑素普雷沃菌（Prevotella melaninogenica）及殊异韦荣菌（Veillonella dispar）。4.不同舌苔微生物的临床疾病对应关系白厚腻苔的韦永氏菌是一种特定的“寒态”胃炎的致病菌,微小球菌在胃癌患者的舌苔中富集,而婴儿链球菌则表明了癌前级联反应;薄黄苔中莫拉菌属（Moraxella genus）和细长肾形奈瑟氏菌（Neisseria elongate）是口咽部常见的细菌菌群。莫拉菌属可以增加引起机会性感染的风险,而细长肾形奈瑟氏菌有机会引起心内膜炎、骨髓炎和胰腺癌;黄厚腻舌苔的产黑素普雷沃菌（Prevotella melaninogenica）和殊异韦荣菌（Veillonella dispar）与食管鳞状细胞癌、口腔鳞状细胞癌相关,短小奇异菌（Pobium parvulum）能够引起脓毒症,等。5.舌苔微生物群的共生网络白厚腻舌苔中高度富集的婴儿链球菌（Streptococcus infantis）与链球菌（Streptococcus peroris）呈正相关;薄黄苔特征菌细长肾形奈瑟氏菌（Neisseria elongate）与生痰二氧化碳嗜纤维菌（Capnocytophagas sputigena）呈正相关;黄厚腻舌苔中,产黑素普雷沃菌属（Prevotella melaninogenic）、殊异韦荣菌（Veillonella dispar）和短小奇异菌（Atopobium parvulum）呈显着正相关性,表明这些细菌在黄厚腻舌苔中的共存和共生关系。6.糖尿病疾病特异性细菌标志物在糖尿病患者的黄厚腻舌苔中,二氧化碳嗜纤维菌属（Capnocytophagagenus）高度富集,这种具有潜在致病能力的细菌与牙周炎和1型糖尿病密切相关。与糖尿病患者相比,产黑素普雷沃菌属（Prevotellamelaninogenic）在健康人群中更显着地富集。7.糖尿病黄厚腻苔与健康人黄厚腻苔的功能差异T2DM患者相较于健康人具有更高水平的抗药性基因表达,主要为大环内酯类抗生素;T2DM患者相较于健康人具有更高水平的碳水化合物酶表达,主要为糖苷水解酶;T2DM患者具有更高水平的ABC转运蛋白、AMPK信号通路、FoxO信号通路、胰岛素信号通路、过氧化物酶体、催乳素信号通路等聚类基因表达,健康人具有更高水平的细胞凋亡聚类基因表达,提示胆固醇的转运调节、催乳素水平、氧化还原反应及细胞凋亡可能是二者生理病理功能方面的主要差异。结论基于Lab色彩体系辅助中医舌象辨证研究结果显示了中医舌象辨证的主观性,发现A、B色彩量化能够规范、辅助中医辨证,总结出A、B值辅助辨证的具体参考数值,具有很强的实用性。本研究结果经更多舌象图片辨证与数字化的验证之后,能够实现色彩量化辅助、规范舌象辨证的广泛应用。随后通过宏基因组测序对微生物组成进行了研究,确定了具有健康人群不同类型舌苔的独特细菌特征,构建了舌苔微生物间的共生关系。这为破译舌苔形成机制提供了有价值的参考,为今后的中医现代化诊断提供了方便。此外,我们进一步研究了健康个体和糖尿病患者之间的差异标记细菌,证明了疾病对舌苔微生物的特异性影响,并强调了在健康人群中识别不同舌苔类型标记细菌的必要性。
颉龙飞[3]（2021）在《糖尿病肾脏疾病舌象特征及理化指标相关性研究》文中提出目的:以基于Lab色彩空间的舌色判定策略,辅助观察糖尿病肾脏疾病舌象分布特征,从舌象角度客观地阐述糖尿病肾脏疾病的病机及其演变;继而通过分析舌象与理化指标之间的关系,探索糖尿病肾脏疾病患者不同舌象表现所对应的内在理化改变。以期为糖尿病肾脏疾病辨证分型的统一提供理论依据,扩大舌诊在糖尿病肾脏疾病诊治中的应用。方法:1通过设置标准光线环境:补光灯光源色温调至5600k,显色度>95,亮度可调,拍摄角度45°/0°（相对于水平的光源角度/拍摄角度）,相机设置手动白平衡（5600k）,在床帘遮蔽环境光源下拍摄舌象图片共100例。按拍摄顺序选取前50例舌图,每张舌图由两位经验丰富的医师做定性描述,并提取各舌图L、a、b值。资料收集后观察不同舌色在L、a、b取值范围及特点,设立界值建立参数判定策略;并通过后50例比较策略判定与主观判定的相似性,验证其可行性、准确性。2按照严格的诊断、纳排标准,筛选符合研究条件的糖尿病肾脏疾病患者,根据Mogensen分期分为早、中、晚三期;在相对标准光线环境下采集患者舌象,并由两位经验丰富的中医医师结合参数判定结果完成舌象评定,收集患者的一般资料、理化指标。运用卡方检验、单因素方差分析、非参数秩和检验等统计学方法对舌象分布特征、舌象—理化指标关系进行综合分析。结果:1不同舌色在Lab颜色空间的取值范围及特点:不同舌色的L值取值范围为39～75;a值取值范围为17～40,;b值取值范围为-10～18。各舌色L、a、b的具体取值特点为:（1）紫舌的取值特点在于b值均为负值,与其他舌色的b值有明显不同。（2）淡白舌与淡红舌在a值的取值范围上有所差异,淡白舌组的最大a值小于淡红舌组的最小a值。（3）淡白舌与暗淡舌在a与L的取值上有明显不同:淡白舌的最小L值大于暗淡舌的最小L值;淡白舌的最大a值小于暗淡舌的最小a值。（4）淡红舌与红舌在L值和a值分布上存在统计学差异。2基于Lab值的舌色判定与人工判定相似度比较:50例舌图中有46例判定结果相同,相同结果占总例数的92%。两种判定方式的差异出在红舌、淡红舌、紫舌三种舌象近界值附近,界值附近区域的舌色区分精度超过了人眼对颜色的敏感性,导致差异的出现。3糖尿病肾脏疾病三期舌象分布特征:（1）舌色分布特征:109例舌色中,淡红舌40例,红舌40例,紫舌22例,淡白舌5例,暗淡舌2例;三期舌色分布差异无统计学意义（P>0.05）。（2）舌形分布特征:裂纹舌占45%、点刺舌占49%、齿痕舌占14%,舌面瘀斑瘀点占11%。其中点刺舌在三期分布的差异存在统计学意义,中、晚期点刺舌比例小于早期,中期-早期、晚期-早期比较差异有统计学差异（P<0.05）。（3）苔色分布特征:109例舌象中,2例无苔;107例有苔舌图中白苔占比76%、黄苔占比22%,未出现灰、黑等其他苔色。各期苔色差异无明显统计学意义（P>0.05）。（4）各期苔质分布,包括薄厚、润燥、腻腐等特征,在三期分布上差异无统计学意义（P>0.05）。（5）舌下络脉分布特征:舌下络脉曲张与否、分支是否大于2支在三期分布上差异无统计学意义（P>0.05）;但舌下是否出现出血点在三期分布上存在统计学差异,晚期舌下出血点出现比例大于早期,差异有统计学意义（P<0.05）。4不同舌象的一般资料及理化指标对比研究:（1）各舌色一般资料对比,差异无统计学意义（P>0.05）;（2）紫舌组尿白蛋白排泄率显着高于淡红舌以及红舌组（P<0.05）;红舌组空腹血糖、大便干或粘滞不爽的比例显着高于淡红舌与紫舌组（P<0.05）。（3）有无点刺舌一般资料对比,差异无统计学意义（P>0.05）;（4）有点刺组肾小球滤过率、红细胞、血红蛋白水平大于无点刺组;血浆渗透压、血肌酐、尿素水平小于无点刺组,差异有统计学意义（P<0.05）。（5）有齿痕组红细胞、血红蛋白计数明显小于无齿痕组。（6）有瘀斑瘀点组年龄大于无瘀斑瘀点组,差异有统计学意义（P<0.05）。（7）厚苔的白细胞计数显着高于薄苔,差异有统计学意义（P<0.05）。（8）舌下有出血点组红细胞、血红蛋白计数明显小于无出血点组。结论:1.基于Lab色彩空间的舌象判定策略经比较与医师主观判定相似率较高,验证了该判定思路的可行性,增加了舌象从参数描述统计到定性描述统计的转化途径,提升了定性描述类舌诊研究的准确性、客观性,利于未来大数据共享共通的舌诊现代化研究发展。2.从舌象角度提示糖尿病肾脏疾病病机包含心火亢盛、瘀血、脾虚、湿浊、阴虚、阳明热盛、气血亏虚等方面。早期心火亢盛患者较中晚期多,晚期气血不足患者较早中期多;从舌象角度为未来糖尿病肾脏疾病辨证分型的统一提供依据。3.糖尿病肾脏疾病早期舌象诊察应注意观察舌尖有无点刺。其内在理化表现可能与提高肾小球滤过率,增加肌酐、尿素排泄,升高红细胞及血红蛋白含量等机制相关;虽增加了废物的排泄但同时加重了肾脏负担,从舌象角度为清心之法在早期糖尿病肾脏疾病治疗中的应用提供了更多理论依据。4.传统舌诊中舌下有无出血点较少受到关注,而舌下出血点与较低血红蛋白和红细胞计数相关;提示对糖尿病肾脏疾病尤其晚期患者进行舌诊时,应注意观察舌下有无出血点,并可将其作为评估患者气血亏虚情况的征象之一。5.紫舌所代表的瘀血病机与高尿白蛋白排泄率相关,体现了瘀血病机在糖尿病肾脏疾病进展中的影响;从舌象角度为采用活血化瘀法延缓糖肾进展提供了理论依据。6.红舌与空腹血糖升高、大便干或粘症状的出现相关,从舌象角度为清阳明热治疗高空腹血糖及大便干提供了理论依据。7.厚苔与白细胞计数升高相关,印证了舌苔厚薄作为反映邪气进退、深浅的依据之一;齿痕舌所代表脾虚病机的实质内涵可能包括血中RBC、HB降低。
张梦雪,陈伶利,周德生,张湘卓,曾雪芹,周俊鹏,李杰[4]（2020）在《冠心病舌诊的现代研究》文中研究说明舌诊是观察舌象从而了解病情的诊察方法,是中医望诊的重点内容,也是最能体现中医诊断学特色的组成部分之一。"心主血脉,开窍于舌,舌为心之苗"。舌与心脏关系密切,舌象的变化对于冠心病诊治具有重要指导意义。通过研究近年来舌诊与冠心病的相关文献资料,探讨冠心病的舌质分类及其现代临床研究进展。
李宗润[5]（2020）在《基于深度学习技术的舌体分割模型研究与舌象智能化应用探索》文中进行了进一步梳理目的:在中医诊断学智能化大发展的背景下,本研究以获取对舌图像中舌体目标区域自动、高精提取方法为目标,运用包括深度学习技术在内的多种图像识别方法开展舌体分割模型研究。为进一步验证所构建舌体分割模型的应用价值,本研究以分割后舌象为数据基础构建分析网络,通过血压均值预测实验探索基于深度学习技术的舌象临床研究方法及应用价值。方法:（1）舌体分割模型研究:舌象数据采集自成都中医药大学附属医院体检中心,使用TFDA-1舌面诊仪于2018年9月开始对符合纳入标准的受试者进行舌象数据采集后的原始图像使用Labelme软件进行标注。结束采集后通过Excel软件按样本编号对数据进行80%（训练集）、20%（测试集）随机分配。本研究采用UNet、Deeplab V3两种深度学习技术和动态轮廓（Snake）、颜色分解与阈值化模型（CDT）两种传统图像识别方法对图片中舌体区域进行分割。针对UNet与Deep Lab V3两种深度学习模型,利用训练集数据对模型进行训练,再使用测试集数据做分割测试;动态轮廓（Snake）与颜色分解与阈值化（CDT）模型则使用测试集数据进行分割测试。最后,对四种模型的分割结果使用平均交并比（MIo U）与像素精确度（PA）进行评价。（2）舌象智能化应用研究舌象数据采集自成都中医药大学附属医院内分泌科,使用TFDA-1舌面诊仪于2018年9月开始对符合纳入标准的受试者进行舌象数据采集后的原始图像使用Labelme软件进行标注。结束采集后通过Excel软件按样本编号对数据进行80%（训练集）、20%（测试集）随机分配。所拍摄舌象图片首先使用UNet模型进行舌区域分割并通过Res Net网络提取舌象特征为1*2048的向量;将血压数据扩充为1*2048的数据向量并与Res Net提取的舌象特征使用1*1的卷积操作对两种数据进行卷积融合,获得二者融合数据。以舌象拍摄当日血压（收缩压/舒张压）数据、舌象数据和二者融合数据作为三种自变量,通过迭代决策树（GBRT）、支持向量回归（SVR）、Adaboost、随机森林（RF）4种机器学习算法对未来6日血压（收缩压/舒张压）均值进行回归建模并利用测试集数据对各模型进行测试,测试结果以平均绝对误差（MAE）进行评价。结果:1.舌体分割模型研究:至2019年10月共采集研究所需合格样本2048例,分为训练集1638例与测试集410例。四种舌体分割模型测试结果以平均交并比（MIo U）、像素精确度（PA）进行评价,具体如下:（1）UNet模型测试结果MIo U为91.05%,PA为93.31%（2）Deep Lab V3模型测试结果MIo U为88.35%,PA为84.16%（3）Snake模型测试结果MIo U为76.64%,PA为76.26%（4）CDT模型测试结果MIo U为69.21%,PA为65.42%2.舌象智能化应用研究至2019年11月共采集研究所需合格样本325例,分为训练集260例与测试集65例。实验结果使用平均绝对误差（MAE）进行预测精度评价,具体如下:（1）以当日收缩压数据对未来6日收缩压均值预测误差（MAE）为:SVR为7.31mm Hg,RF为6.54 mm Hg,Adaboost为5.91 mm Hg,GBRT为6.25 mm Hg;以当日舒张压数据对未来6舒张压均值预测:SVR为7.10 mm Hg,RF为8.61 mm Hg,Adaboost为4.43 mm Hg,GBRT为6.17 mm Hg。（2）以舌象数据对未来6日收缩压均值预测误差（MAE）为:SVR为15.41mm Hg,RF为10.39 mm Hg,Adaboost为10.22 mm Hg,GBRT为9.61 mm Hg;以舌象数据对未来6日舒张压均值预测误差（MAE）为:SVR为18.03 mm Hg,RF为13.91 mm Hg,Adaboost为11.87mm Hg,GBRT为15.73 mm Hg。（3）以舌象与当日收缩压融合数据对未来6日收缩压均值预测误差（MAE）为:SVR为7.06mm Hg,RF为5.49 mm Hg,Adaboost为5.54 mm Hg,GBRT为9.61 mm Hg;以舌象与当日舒张压融合数据对未来6日舒张压均值预测误差（MAE）为:SVR为6.32 mm Hg,RF为8.54 mm Hg,Adaboost为4.02mm Hg,GBRT为5.91 mm Hg。结论:（1）深度学习技术相较于传统图像识别方法可更精准完成舌体分割任务,有利于中医舌象的自动化识别。（2）本研究所训练的UNet卷积神经网络模型可有效提高舌体分割精度,通过该模型可实现对舌体目标区域的全自动高精准分割。（3）UNet舌体分割模型联合Res Net网络可实现对舌象特征的自动提取,提取后的特征结合机器学习建模可用于探索舌象与临床数据间的复杂层级数学隐含关联。（4）舌象叠加当日血压相较单独使用当日血压数据能够提高预测精度,提示舌象对提升预测精度的贡献,以及数据融合是挖掘中医舌象临床价值的重要途径。
赵雨薇[6]（2020）在《清代山东医家研究》文中提出医家是数千年来中医药学传承和发展的主要载体。在古代社会,医家担负着守护广大人民健康的重任,受到了老百姓的尊敬和爱戴,却未能得到历朝历代官方层面的足够重视,正史对医家的记载并不丰富。清代是中医药学发展的成熟时期,对后世影响深远。山东历来是我国的重要地区之一,经济发达,文化繁荣,名医众多,对该区域医家群体开展系统整理和深入研究,可以明晰其医家群体的全貌,进而明确该区域医疗历史卫生发展脉络,同时为中医药理论和临床研究以及医史文献研究提供重要的参考资料。本文通过开展对清代山东医家这一群体的系统研究,从清代山东社会情况和当时的中医发展背景出发,统计从事医学活动的具体人数,并分析清代山东医家地域分布特征和原因、着书情况以及他们的医事活动。全文由绪论、正文、结语三部分组成。论文绪论部分,首先点明了选题缘由和意义,对清代山东医家在时间上和空间上进行界定,并对文中有争议的地名和人名进行考定,最后阐述了本文的研究方法和创新点。论文正文共分为四部分,内容概括如下:第一部分为清代山东医家人数统计。首先介绍了清代山东省的建制沿革,其次对清代山东医家群体的统计依据进行了界定,就所使用的研究成果和文献史料进行说明,按照本文确定的标准对清代山东医家的籍贯分布进行了统计,得出清代山东医家共计1121人。第二部分为清代山东医家地域分布。首先结合统计学相关知识,运用计量史学方法,对清代山东医家的籍贯分布区域以表格的形式进行了分类统计和归纳;其次按照清代山东省府州、州县以及地理亚区的分布归纳医家地理分布特性;最后总结出清代山东医家地理分布具有明显的不均衡性,表现为集中分布于鲁北平原,并向山东半岛延伸等特点,其地理分布的空间格局是自然因素与人文因素共同作用的结果,同时受到了大运河山东段对其沿线的影响以及逐渐演进的海洋经济对山东半岛的影响等因素的作用,总体上与政治经济文化发展水平密切相关。第三部分为清代山东医家着书情况。首先对567种清代山东医家着作进行了整理,包括现存医籍114种,亡佚医籍453种;其次,根据科目归属,将清代山东医籍共分为11类,包括医经类16种、基础理论类27种、伤寒金匮类40种、温病瘟疫类24种、诊法类26种、本草类19种、方书类73种、临证各科类281种、养生类8种、医案医话类28种和综合类25种,结果发现各类医籍分布比例较为不均衡。最后对现存医籍分别进行了简要考证。第四部分为清代山东医家医事活动。首先通过对清代山东医家医事活动的整理和分析,将其业医背景概括为7类:弃儒从医、世代行医、久病成医、立志学医、家贫习医、拜师达医、旁涉医术;其次,在对其日常行医过程的考察中,发现清代山东医家有着医德高尚、医术精湛、着述颇丰等共同特征,还有一些诸如爱好广泛、精研方术、善于宣传等其他个体特征;并从理论、临床、技术和文化等四个方面总结清代山东医家的学术特色。最后,在结语部分,对全文进行总结的基础上,提出了展望和不足。
甘佳丽[7]（2020）在《原发性肾病综合征患者舌诊及目诊临床特点分析研究》文中进行了进一步梳理目的:本研究通过观察原发性肾病综合征（Primary nephrotic syndrome,PNS）患者舌诊、目诊的临床特点,探讨肾综病理类型与舌诊、目诊及中医证型与目诊之间的关系,以期能在原发性肾病综合综的诊断方面提供一定参考价值。方法:采用横断面研究,选取2019年1月至2019年12月广西中医药大学附属瑞康医院病房收治及门诊的PNS患者为研究对象。根据标准筛选病例共138例,收集患者一般情况、中医证型、病理分型、舌象及目象等资料。对数据资料进行分析,主要探讨原发性肾病综合征病理类型与舌诊、目诊及其辨证分型与目诊之间的关系。结果:1、PNS患者一般情况:138例PNS患者中,男性81例（58.69%）,女性57例（41.31%）,男女性别比约为1.42:1。在所有患者中,年龄最小为14岁,年龄最大为81岁,平均年龄37.23±18.00岁。其中14-18岁患者有21例（15.21%）;18-35岁患者最多,有52例（37.68%）;36-59岁患者有44例（31.88%）;60岁以上21例（15.21%）。2、PNS病理类型及中医证型的总体分布:膜性肾病（MN）46例最为多见,占33.33%;其次为微小病变肾病（MCD）34例,占24.63%;系膜增生性肾炎（Ms PGN）23例,占16.67%;膜增生性肾炎（MPGN）19例,占13.76%;局灶节段性肾小球硬化（FSGS）16例,占11.59%。在各中医证型中,以脾肾阳虚证65例最为多见,占47.10%,风水泛滥证31例次之,占22.46%,湿热蕴结证23例,占16.67%;肾络瘀阻证11例,占7.97%;肝肾阴虚证8例,占5.79%。3、PNS总体舌象分布:总体舌色分布以淡白舌及红舌最为多见,绛舌最少。总体苔色分布以白苔最为多见,黄苔次之,灰黑苔最少;苔质分布以薄苔最为多见,薄腻苔次之,厚腻苔最少。4、PNS各病理类型舌象分布:FSGS和Ms PGN以红舌、薄白苔最为多见,MCD以淡红舌、薄白苔最为多见,MN以淡白舌,薄白苔最为多见,MPGN以淡红舌,薄白腻苔最为多见。（1）舌色:FSGS和Ms PGN以红舌最为多见,其中FSGS中红舌比例达62.5%;MCD与MPGN淡红舌出现率明显高于其他组;MN则以淡白舌最为多见。各病理类型均以绛舌最为少见。PNS各病理类型舌色分布存在差异（P<0.05）。（2）苔色:各病理类型的苔色均以白苔最为多见,除Ms PGN外,其他病理类型中白苔的出现率均达50%以上;FSGS和Ms PGN黄苔出现率高于其他组,各组均以灰黑苔最为少见。PNS各病理类型苔色分布无差异（P>0.05）。（3）苔质:FSGS和MCD苔质以薄苔为主,其次为薄腻苔,厚腻苔最少,MN和Ms PGN均以薄苔最为多见,厚腻苔次之,薄腻苔最少见;而MPGN苔质特点则是薄腻苔做多见,薄苔次之,厚腻苔最少见。PNS各病理类型的苔质分布差异具有统计学意义（P<0.05）。5、PNS患者总体目像评分分布:在目诊评分分组中,10-13分最多,共有77例,占55.79%;小于10分次之,共47例,占34.05%;大于13分最少,仅13例,占9.42%。各病理类型的目诊评分分组分布无统计学差异（P>0.05）。各中医证型的目诊评分分组分布有显着统计学差异（P<0.01）6、PNS各病理类型与目诊评分比较:Ms PGN的评分最高（11.05±1.28分）,MCD评分最低（9.52±1.88分）。MCD与FSGS、MN、Ms PGN的目诊评分比较存在差异（P<0.05）;MPGN与MN、Ms PGN目诊评分比较存在差异（P<0.05）。余各组间目诊评分的比较无统计学差异（P>0.05）。7、PNS各中医证型与目诊评分比较:肾络瘀阻证评分最高（11.91±1.97分）,风水泛滥证评分最低（9.55±1.89分）。肾络瘀阻证与风水泛滥证、肝肾阴虚证、脾肾阳虚证目诊评分比较存在差异（P<0.05）;湿热蕴结证与风水泛滥证、风水泛滥证目诊评分比较存在差异（P<0.05）。各组间目诊评分比较具有显着差异（P<0.01）。结论:1、PNS各病理类型的舌象、目像均有所差异。其中FSGS和Ms PGN以红舌、薄白苔最为多见,MCD以淡红舌、薄白苔最为多见,MN以淡白舌,薄白苔最为多见,MPGN以淡红舌,薄白腻苔最为多见。意味着舌诊、目诊对PNS的临床诊断具有重要意义,或可为临床诊断PNS的病理分型提供一定的参考价值。2、PNS中医证型与目诊评分之间有显着的关联。目诊是中医诊断的重要组成部分,丰富目诊内容,为更准确的中医辨证提供更有力的依据。
王辰光[8]（2020）在《糖尿病肾病患者舌象特征及其相关性研究》文中指出研究目的在中医理论的指导下,采集糖尿病肾病患者的舌象图像并进行舌象特征量化研究,分析患者舌象各个特征与实验室指标的相关性,探索糖尿病肾病患者的舌象规律,为临床应用中医舌诊指导糖尿病肾病的治疗提供更多依据。研究方法采用固定光源舌象采集设备采集61例糖尿病肾病患者和142例糖尿病患者的舌象图片。根据中医诊断学相关原理,将舌质和舌苔的特征细化为21个方面以进行全面、具体的量化分析。舌质方面,舌色部分划分为舌红、舌紫、舌暗三方面;舌质其他特征细化为舌神、舌老、舌薄、舌大、齿痕、点刺、裂纹面积、裂纹深浅、瘀斑等方面;舌苔方面,苔色划分为苔黄,苔灰、苔黑三个方面,其他苔质特征具体细化为剥苔、水滑、苔厚、苔腻、苔燥、苔腐等方面。采用色度学RGB色彩模式将“舌红”、“舌紫”、“舌暗”、“苔黄”3个涉及舌质颜色和1个涉及舌苔颜色的舌象特征进行量化表达,根据色度学原理,舌红程度与R/R+G+B值成正比;舌紫程度与G/R+G+B值成反比;舌暗程度与R+G+B值成反比;舌黄程度与B/R+G+B值成反比。采用专家程度赋值法将其他17个与舌质、苔质相关的舌象特征进行量化表达。（因纳入本研究的病例中无呈现苔腐、苔灰、苔黑的舌象,故对于苔腐、苔灰、苔黑这三方面特征本研究不予涉及）。同时采集患者糖化血红蛋白（HbA1c）,总胆固醇（TC）、甘油三酯（TG）、低密度脂蛋白（LDL）、高密度脂蛋白（HDL）,同型半胱氨酸（Hcy）,肌酐（Cr）、尿素（Urea）、尿酸（UA）,血清白蛋白（ALB）尿微量白蛋白（UM-alb）、尿白蛋白与肌酐比（ACR）等实验室指标。在舌象特征量化的基础上,应用描述性统计、双变量相关分析、独立样本t检验、卡方检验等统计学方法研究糖尿病肾脏病患者相对于糖尿病患者的舌象特征,以及糖尿病肾病患者各个舌象特征与实验室指标的相关性。研究结果1.舌质颜色:①舌紫方面,G/R+G+B值在糖尿病肾病组（0.27±0.02）低于糖尿病组（0.29±0.02）具有统计学意义,p=0.017;②舌暗方面,R+G+B值在两组间无明显的统计学差异,p=0.090;③舌红方面,R/R+G+B值在两组间无明显的统计学差异,p=0.096。2.舌质其他特征:①舌体大小,糖尿病肾病组（5.92±1.71）高于糖尿病组（5.37±1.72）具有统计学意义,p=0.039;②舌质裂纹面积,糖尿病肾病组（2.61±2.52）高于糖尿病组（1.73±1.75）具有统计学意义,p=0.016;③其他舌质特征:舌神、舌老、舌薄、齿痕、点刺、裂纹深浅、瘀斑方面两组间均无明显统计学差异,均p>0.05。3.舌苔部分:①苔黄方面,B/R+G+B值在糖尿病肾病组与糖尿病组间的差异无统计学意义,p=0.791。②苔质方面,剥苔、水滑苔、苔厚、苔腻、苔燥程度在两组间均无统计学差异,均p>0.05。4.舌质颜色特征:①舌暗方面,糖尿病肾病患者R+G+B值与糖化血红蛋白呈负相关,r=-0.352,p=0.019;糖尿病肾病患者R+G+B值与同型半胱氨酸值呈负相关,r=-0.549,p=0.004;②其他颜色特征,R/RGB值、G/RGB值与糖化血红蛋白、尿微量白蛋白、肌酐、尿素、尿酸、总胆固醇、甘油三酯、低密度脂蛋白、高密度脂蛋白、同型半胱氨酸、白蛋白、24小时尿蛋白定量、尿白蛋白与肌酐比等实验室指标均无相关关系,均 p>0.05。5.舌质其他特征:①齿痕方面,糖尿病肾脏病患者齿痕程度与尿微量白蛋白呈正相关,r=0.504,p=-0.047;与尿酸呈正相关,r0.262,p=0.049。②点刺方面,糖尿病肾脏病患者齿痕程度与24小时尿蛋白定量呈负相关,r=-0.331,p=0.025。③瘀斑方面,瘀斑的程度与白蛋白呈负相关,r=-0.271,p=0.049;瘀斑程度与24小时尿蛋白定量呈负相关r=-0.306,p=0.39。④其他舌质特征:舌神、舌老、舌薄、舌大、裂纹面积、裂纹深浅与糖化血红蛋白、尿微量白蛋白、肌酐、尿素、尿酸、总胆固醇、甘油三酯、低密度脂蛋白、高密度脂蛋白、同型半胱氨酸、白蛋白、24小时尿蛋白定量、尿白蛋白与肌酐比等实验室指标均无相关关系,均p>0.056.舌苔特征:①苔黄程度与糖化血红蛋白、尿微量白蛋白、肌酐、尿素、尿酸、总胆固醇、甘油三酯、低密度脂蛋白、高密度脂蛋白、同型半胱氨酸、白蛋白、24小时尿蛋白定量、尿白蛋白与肌酐比等实验室指标均无明显相关,p>0.05。②苔厚程度与尿酸呈正相关,r=0.067,p=0.038;苔腻程度与总胆固醇呈正相关r=0.106,p=0.004。③其他舌苔特征:剥苔、水滑、苔燥与糖化血红蛋白、尿微量白蛋白、肌酐、尿素、尿酸、总胆固醇、甘油三酯、低密度脂蛋白、高密度脂蛋白、同型半胱氨酸、白蛋白、24小时尿蛋白定量、尿白蛋白与肌酐比等实验室指标均无相关关系,均p>0.05。研究结论1.糖尿病肾脏病患者舌象相对于糖尿病患者而言,呈现出舌色更紫,舌体更大,舌质裂纹面积更大的特征。2.糖尿病肾脏病患者舌暗程度与糖化血红蛋白、同型半胱氨酸值成正相关。3.糖尿病肾脏病患者齿痕程度与尿微量白蛋白呈正相关、与尿酸呈正相关,齿痕舌程度一定程度上可提示尿蛋白及尿酸的临床控制情况。4.糖尿病肾脏病患者苔腻程度与总胆固醇呈正相关,苔腻一定程度上可作为糖尿病肾病高血脂的舌象特征的预测因素。5.苔厚程度与尿酸呈正相关,苔厚可作为糖尿病肾病患者高尿酸血症的预测指标,为临床提供参考依据。
刘婧玮[9]（2020）在《基于卷积神经网络的中医舌象辨识人工智能方法学研究》文中提出研究目的:本研究以全面、准确、客观的舌象图片采集为基础,以齿痕舌、腻苔两大舌象特征为切入点,专家共识为舌象特征判定金标准,构建舌象分类标准数据集;基于深度学习卷积神经网络（CNN）算法,构建齿痕舌、腻苔特征的人工智能检测模型,提出一种适宜中医舌象处理的人工智能技术,初步探索建立客观化的中医辅助诊断新方法。研究方法:本研究中我们对课题组前期采集的1760例舌象图片（1680例标准设备拍摄,80例智能手机拍摄）进行筛选并交由中医专家对其特征进行判断,将舌象图片按其特征进行分类。通过Colabeler（Ver.2.0.2）软件对舌部轮廓进行标注,形成包含不同舌象特征及其舌部轮廓的舌象数据集,构建中医舌象的标准舌象数据库。随后,以齿痕舌为切入点,将基于深度学习卷积神经网络（CNN）的人工智能网络框架——ResNet34应用于此数据集,来自动化地提取图像特征,实现齿痕舌分类;同时,使用迁移学习和数据扩增技术来提高样本训练效率、优化数据样本,防止模型过拟合。通过三种方式验证齿痕舌识别模型有效性:将在分类任务中热门的VGG16网络框架应用于本研究数据集,比较分类效果;将本研究模型同其他学者所做的齿痕舌分类模型作比较,比较分类效果;使用通过手机相机采集的舌象图片作为验证集,验证模型的泛化能力。最后,使用同样的方法应用于腻苔数据集,对非腻苔、腻苔和厚腻苔进行三分类任务训练和验证,建立人工智能腻苔识别模型。本研究采用准确率（accuracy,Acc）、灵敏度（sensitivity,Sens）和特异性（specificity,Spec）指标对模型效果进行评价。研究结果:（1）通过对采集到的舌象图片进行数据整理、图片标注,最终形成了 4个齿痕舌相关数据集,包括标准设备齿痕舌原始舌象数据集（672例齿痕舌,876例非齿痕舌）及其对应的舌部轮廓数据集、智能手机齿痕舌原始舌象数据集（27例齿痕舌,23例非齿痕舌）及其对应的舌部轮廓数据集;4个腻苔相关数据集,包括标准设备腻苔原始舌象数据集（642例厚腻苔,759例腻苔,85例非腻苔）及其对应的舌部轮廓数据集、智能手机腻苔原始舌象数据集（19例厚腻苔,25例腻苔,6例非腻苔）及其对应的舌部轮廓数据集。这些数据集为我们研究齿痕舌及腻苔人工智能识别模型奠定了基础。（2）齿痕舌识别结果:齿痕舌识别模型在原始舌象图片上的识别准确率为90.50%,灵敏度为87.25%,特异性为93.00%,说明了本研究提出的的齿痕舌识别模型性能相对较好、鲁棒性强,具有较高的灵敏度和特异性,可以较好地识别不同仪器、不同拍摄环境的齿痕舌;该模型在舌部轮廓数据集上的准确率达91.47%,比直接使用舌象图片进行特征识别的平均准确率提高了0.97%,提示除舌体外的其他面部区域掺杂确实会对齿痕舌人工智能模型识别准确率造成一定影响。模型在智能手机拍摄的测试集上的平均准确性分别为83.20%和88.80%,模型总体准确率为85.00%,证明模型泛化能力较强,日后可推广应用于不同设备。ResNet34齿痕舌识别模型对原始舌象图片数据集和舌部轮廓数据集的平均准确性分别为89.41%和90.96%,准确性比VGG16分别提升1.10%和0.52%,由此可见,ResNet34算法架构在两种数据集上的表现优秀、性能较高,说明ResNet34架构能够更好地胜任齿痕舌特征识别任务。本研究中提出的齿痕舌识别模型同现有研究中相似学习任务相比,准确率高出10%以上,这一结果提示本研究中提出的CNN算法能更加准确有效地区分齿痕舌。（3）腻苔识别结果:腻苔识别模型总体识别准确率为88.36%,在舌部轮廓上总体准确率为87.08%,这一结果提示我们,在腻苔的识别上,舌体外的其他面部区域对人工智能模型识别准确率可能影响不大;该模型在测试集上平均准确率分别为62.80%和76.80%,提示该场景下模型受到面部其他区域以及拍摄背景等客观条件影响较大;使用VGG16算法架构构建腻苔识别模型的平均准确率分别为79.48%和80.89%,ResNet34算法架构与之相比准确率更高,分别高出8.80%和6.19%,表明ResNet34算法架构能够更好地胜任腻苔特征识别任务。结论及意义:本研究采用了一种基于深度学习的卷积神经网络模型,该模型可以在实现自动提取舌象特征的同时,减少人工参与预处理数据的步骤,能够更为快捷、方便地进行舌象特征提取,这是此类舌象识别系统转换为临床实践的关键所在;与此同时,我们所提出的模型架构表现优秀且泛化能力强,可以为日后从中医信息学的角度追踪疾病进展和通过观察舌象变化的中药药效评估提供更为客观、便捷的计算机辅助新方法。
陈清光,陆灏,许家佗,徐隽斐,龚凡,陶乐维,徐佩英,韩煦,刘亚华[10]（2020）在《Hedgehog信号通路在糖尿病大鼠微循环障碍所致舌色变化中的表达及意义》文中指出目的探讨Hedgehog信号通路在2型糖尿病大鼠微循环障碍所致舌色变化中的表达及意义。方法采用2型糖尿病大鼠模型,随机分为正常组、模型组。采用ELISA法观察舌组织TNF-α、IL-1β、MCP-1、VEGF的浓度,RT-PCR法测大鼠舌组织Gli1、Ptch1、Smo的mRNA表达。结果与正常组比较,模型组TNF-α、IL-1β、MCP-1等炎症因子升高（P<0.05,P<0.01）,模型组VEGF显着升高（P<0.01）,模型组Gli1、Ptch1、Smo mRNA表达升高（P<0.05,P<0.01）。结论 2型糖尿病大鼠舌色的变化可能与舌组织Hedgehog信号通路激活、炎症反应与血管新生有关。
二、舌色变化与疾病内在相关性的临床研究集要（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、舌色变化与疾病内在相关性的临床研究集要（论文提纲范文）
（1）慢性肾衰竭的舌诊研究概述（论文提纲范文）
| 1 中医学对CRF的认识 |
| 2 舌象与CRF的相关性研究 |
| 2.1 舌质特征与CRF |
| 2.1.1 舌色 |
| 2.1.2 舌形 |
| 2.2 舌苔特征与CRF |
| 2.2.1 苔质及苔色 |
| 2.2.2 舌苔脱落细胞学 |
| 3 舌象与CRF实验室指标 |
| 3.1 肾功能相关指标 |
| 3.2 心血管相关指标 |
| 4 舌象辅助CRF病情判断 |
| 5 小 结 |
（2）基于Lab色彩模型探讨健康人不同舌象微生物特征及与T2DM的对照研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 文献综述 |
| 综述一 舌苔微生物在现代医学诊疗中的潜在作用 |
| 参考文献 |
| 综述二 中医舌苔菌群研究进展 |
| 参考文献 |
| 前言 |
| 研究一 基于Lab色彩模型辅助中医舌象辨证 |
| 1 材料与方法 |
| 2 结果 |
| 2.1 舌象图片中部位置的设定及中医医生舌象辨证流程 |
| 2.2 L值与舌象分类不相关 |
| 2.3 利用B值进行白苔与黄苔的区分 |
| 2.4 利用A值进行薄苔与厚苔的区分 |
| 2.5 a值，b值与舌象判定的相关性分析 |
| 3.讨论 |
| 研究二 基于宏基因组学探讨健康人不同舌苔微生态特征及与T2DM的对照研究 |
| 1 研究目的 |
| 2 材料与方法 |
| 3 研究结果 |
| 3.1 基本信息 |
| 3.2 舌苔微生物群落特征 |
| 3.3 与不同舌苔类型的特征细菌有关的疾病 |
| 3.4 舌苔微生物群的相关网络分析 |
| 3.5 疾病特异性舌苔细菌标志物 |
| 4 讨论 |
| 结语 |
| 创新点 |
| 存在问题与不足 |
| 参考文献 |
| 致谢 |
| 在学期间主要研究成果 |
| 附件 |
（3）糖尿病肾脏疾病舌象特征及理化指标相关性研究（论文提纲范文）
| 中文摘要 |
| ABSTRACT |
| 英文缩略词表 |
| 前言 |
| 研究一 基于Lab颜色空间的舌色判定思路研究 |
| 1 不同舌色在Lab颜色空间的取值范围 |
| 2 不同舌质颜色Lab取值特点 |
| 3 建立舌色判定策略及准确度验证 |
| 4 总结 |
| 研究二 糖尿病肾脏疾病舌象研究 |
| 1 研究目的 |
| 2 研究对象 |
| 3 研究方法 |
| 4 统计分析 |
| 5 研究结果 |
| 讨论 |
| 结论 |
| 参考文献 |
| 附录一 |
| 附录二 |
| 综述 |
| 综述一 糖尿病肾脏疾病研究进展 |
| 1 糖尿病肾脏疾病病因病机 |
| 2 糖尿病肾脏疾病的舌象研究现状 |
| 综述二 舌诊研究进展 |
| 1 古代舌诊研究 |
| 2 舌诊现代化研究现状 |
| 参考文献 |
| 致谢 |
| 个人简历 |
（4）冠心病舌诊的现代研究（论文提纲范文）
| 1 舌诊的理论基础 |
| 2 冠心病舌象分类 |
| 2.1 冠心病的舌质研究 |
| 2.2 冠心病的舌苔研究 |
| 3 冠心病舌象的证素研究 |
| 3.1 舌象的证素分布 |
| 3.2 舌象证素的临床应用 |
| 3.2.1 临床应用研究 |
| 3.2.2 现代客观化研究 |
| 4 结语与展望 |
（5）基于深度学习技术的舌体分割模型研究与舌象智能化应用探索（论文提纲范文）
| 中文摘要 |
| Abstract |
| 缩略词表 |
| 引言 |
| 1 研究背景 |
| 2 研究内容 |
| 2.1 中医舌诊客观化的研究价值 |
| 2.2 舌体分割模型研究 |
| 2.3 舌象智能化应用研究 |
| 3 技术路线图 |
| 第一章 舌诊客观化的理论研究 |
| 1 舌诊在中医诊断中的价值 |
| 1.1 历代医家对舌诊的认识 |
| 1.2 舌诊的概述 |
| 1.3 舌象与脏腑的联系 |
| 1.4 舌象中的整体观 |
| 2 舌诊客观化研究中的舌体分割 |
| 2.1 舌体分割在舌诊客观化研究中的意义 |
| 2.2 基于传统图像技术的舌体分割 |
| 2.2.1 基于区域识别与边缘识别的舌体分割 |
| 2.2.2 基于动态轮廓模型的舌体分割 |
| 2.2.3 传统图像技术在舌体分割任务中的不足 |
| 2.3 深度学习技术在舌体分割的应用与优势 |
| 2.3.1 深度学习与语义分割 |
| 2.3.2 深度学习技术特点及在中医舌诊的研究的应用 |
| 3 舌象的临床价值与应用 |
| 3.1 舌象的生理信息与病理意义 |
| 3.2 舌象的临床应用 |
| 4 讨论 |
| 4.1 中医学的量化需求 |
| 4.2 中医诊断学的智能化发展 |
| 4.3 基于人工智能技术的中医舌诊研究 |
| 4.4 从舌诊的客观化研究到临床辅助应用 |
| 第二章 舌体分割模型研究 |
| 1 研究目的 |
| 2 研究方法 |
| 2.1 样本来源 |
| 2.1.1 纳入标准 |
| 2.1.2 排除标准 |
| 2.1.3 剔除标准 |
| 2.2 样本采集 |
| 2.2.1 采集设备 |
| 2.2.2 设备使用方法 |
| 2.2.3 采集操作及注意事项 |
| 2.2.4 图像质量控制 |
| 2.2.5 原始图像数据标注 |
| 2.3 实验相关技术原理 |
| 2.3.1 深度学习概念 |
| 2.3.2 卷积神经网络(CNN) |
| 2.3.3 双线性插值 |
| 2.3.4 数据增强 |
| 2.3.5 图像灰度二值化 |
| 2.3.6 归一化处理 |
| 2.4 实验环境与数据预处理 |
| 2.4.1 数据集分配 |
| 2.4.2 实验环境 |
| 2.4.3 数据预处理 |
| 2.5 舌体分割方法与步骤 |
| 2.5.1 UNet模型舌体分割方法 |
| 2.5.2 Snake模型舌体分割方法 |
| 2.5.3 Deep LabV3模型舌体分割方法 |
| 2.5.4 颜色分解与阈值化(CDT)舌体分割方法 |
| 2.6 语义分割评价方法 |
| 3 结果 |
| 3.1 数据采集结果 |
| 3.2 可视化分割结果 |
| 3.3 语义分割评价结果 |
| 4 讨论 |
| 4.1 UNet网络技术特点与舌体分割模型的应用 |
| 4.2 深度学习技术在舌体分割任务中的优势 |
| 5 结论 |
| 第三章 舌象智能化应用研究 |
| 1 研究目的 |
| 2 研究方法 |
| 2.1 样本来源 |
| 2.1.1 纳入标准 |
| 2.1.2 排除标准 |
| 2.1.3 剔除标准 |
| 2.2 样本采集 |
| 2.2.1 舌象数据采集方法 |
| 2.2.2 临床数据采集方法 |
| 2.3 血压建模预测方法与步骤 |
| 2.3.1 实验环境 |
| 2.3.2 实验流程 |
| 2.3.3 回归建模 |
| 2.3.3.1 以当日血压数据基础建模预测 |
| 2.3.3.1.1 随机森林(RF) |
| 2.3.3.1.2 Adaboost |
| 2.3.3.1.3 迭代决策树(GBRT) |
| 2.3.3.1.4 支持向量回归(SVR) |
| 2.3.3.2 以拍摄当日舌象为数据基础建模预测 |
| 2.3.3.3 以当日血压与舌象数据为数据基础建模预测 |
| 2.3.4 预测结果评价方法 |
| 3 结果 |
| 3.1 数据采集结果 |
| 3.2 模型测试结果 |
| 4 讨论 |
| 4.1 研究方法分析 |
| 4.2 研究结果分析 |
| 5 结论 |
| 创新与不足及未来研究展望 |
| 1 研究创新点 |
| 2 研究不足之处 |
| 3 未来展望 |
| 参考文献 |
| 文献综述 基于信息技术的中医舌诊客观化研究进展 |
| 参考文献 |
| 致谢 |
| 附件一:在读期间公开发表的学术论文、专着及科研成果 |
（6）清代山东医家研究（论文提纲范文）
| 提要 |
| Abstract |
| 引言 |
| 绪论 |
| 1 选题缘由和意义 |
| 2 相关概念的界定 |
| 2.1 清代山东医家的界定及范围 |
| 2.2 关于“地名”“人名”的考定 |
| 3 研究方法 |
| 4 创新点 |
| 第一部分 清代山东医家人数统计 |
| 1 清代山东省的建制沿革 |
| 2 清代山东医家的统计依据 |
| 3 清代山东医家的人数统计 |
| 第二部分 清代山东医家地域分布 |
| 1 清代山东医家地域分布情况 |
| 1.1 济东泰武临道 |
| 1.2 兖沂曹济道 |
| 1.3 登莱青胶道 |
| 1.4 直隶 |
| 2 清代山东医家地域分布特征 |
| 2.1 清代山东各府州医家分布特征 |
| 2.2 清代山东各州县医家地理分布特征 |
| 2.3 清代山东地理亚区医家地理分布特征 |
| 3 清代山东医家分布产生地域差异的原因 |
| 3.1 受到自然因素与人文因素的双重影响 |
| 3.2 大运河山东段对沿线区域的影响 |
| 3.3 海洋经济对山东半岛的影响 |
| 第三部分 清代山东医家着书情况 |
| 1 医家着作分析 |
| 1.1 按存佚情况分析 |
| 1.2 按科目归属分析 |
| 2 医家着作整理 |
| 2.1 医经类医籍 |
| 2.2 基础理论类医籍 |
| 2.3 伤寒金匮类医籍 |
| 2.4 温病瘟疫类医籍 |
| 2.5 诊法类医籍 |
| 2.6 本草类医籍 |
| 2.7 方书类医籍 |
| 2.8 临证各科类医籍 |
| 2.9 养生类医籍 |
| 2.10 医案医话类医籍 |
| 2.11 综合类医籍 |
| 第四部分 清代山东医家医事活动 |
| 1 医家业医背景 |
| 1.1 弃儒从医 |
| 1.2 世代行医 |
| 1.3 久病成医 |
| 1.4 立志学医 |
| 1.5 家贫习医 |
| 1.6 拜师达医 |
| 1.7 旁涉医术 |
| 2 医家共同特征 |
| 2.1 医德高尚 |
| 2.2 医术精湛 |
| 2.3 着述颇丰 |
| 3 医家其他特征 |
| 3.1 爱好广泛 |
| 3.2 精研方术 |
| 3.3 擅于宣传 |
| 4 医家学术特色 |
| 4.1 理论特色 |
| 4.2 临床特色 |
| 4.3 技术特色 |
| 4.4 文化特色 |
| 结语 |
| 参考文献 |
| 附录: 清代山东医家名录 |
| 致谢 |
| 查新报告 |
| 论文着作 |
（7）原发性肾病综合征患者舌诊及目诊临床特点分析研究（论文提纲范文）
| 中文摘要 |
| abstract |
| 引言 |
| 第一章 文献研究 |
| 1 肾病综合征概述 |
| 2 中医对肾病综合征的认识 |
| 3 NS 分类及其病理分型 |
| 4 原发性肾病综合征的中西医结合治疗 |
| 5 PNS舌诊、目诊的研究意义 |
| 第二章 临床资料 |
| 1 研究对象 |
| 1.1 病例选择 |
| 1.2 纳入标准 |
| 1.3 排除标准 |
| 1.4 诊断标准 |
| 1.4.1 中医诊断标准 |
| 1.4.2 西医诊断标准 |
| 2 研究方法 |
| 2.1 研究类型 |
| 2.2 病例资料的收集 |
| 2.3 舌象采集方法 |
| 2.4 目象采集方法 |
| 3 统计学方法 |
| 4 研究结果 |
| 4.1 PNS患者一般资料 |
| 4.2 PNS患者总体舌象分布情况 |
| 4.2.1 PNS患者总体舌色分布 |
| 4.2.2 PNS患者总体苔色分布 |
| 4.2.3 PNS患者总体苔质分布 |
| 4.3 PNS各病理类型的舌象分布情况 |
| 4.3.1 PNS各病理类型分布情况 |
| 4.3.2 PNS各病理类型舌色分布情况 |
| 4.3.3 PNS各病理类型苔色分布情况 |
| 4.3.4 PNS各病理类型苔质分布情况 |
| 4.4 PNS患者目像评分分析 |
| 4.4.1 PNS患者总体目像评分分布情况 |
| 4.4.2 PNS各病理类型与目诊评分比较 |
| 4.4.3 PNS各中医证型与目诊评分比较 |
| 第三章 讨论 |
| 1.PNS患者一般情况分析 |
| 2.PNS总体舌象特点 |
| 4.PNS目象分析 |
| 5.关于舌诊的认识 |
| 5.1 舌诊的原理 |
| 5.2 舌诊的方法 |
| 5.2.1 舌体应内脏定位的九区分法 |
| 5.2.2 舌诊的采集方法 |
| 5.3 舌诊的意义 |
| 5.4 舌诊的现代研究 |
| 6.关于目诊的认识 |
| 6.1 目诊的方法 |
| 6.2 目诊的意义 |
| 6.3 目诊的现代研究 |
| 7.存在的不足与展望 |
| 结论 |
| 参考文献 |
| 附录 |
| 缩略词表 |
| 综述 肾脏病的舌诊及目诊研究概况 |
| 参考文献 |
| 致谢 |
| 个人简历 |
（8）糖尿病肾病患者舌象特征及其相关性研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号说明 |
| 第一部分: 文献综述 |
| 综述一: 中医舌诊研究现状 |
| 1.舌诊发展简介 |
| 1.1 舌诊的萌芽阶段 |
| 1.2 舌诊的发展阶段 |
| 1.3 舌诊理论的逐步完备阶段 |
| 1.4 舌诊的全面发展阶段 |
| 2.舌诊现代化研究进展 |
| 2.1 舌诊图像采集条件的客观化研究 |
| 2.2 舌诊图像分析技术的运用 |
| 2.3 以人工智能技术为导向的舌诊图像分析技术研究 |
| 3.舌诊研究中存在的问题及展望 |
| 3.1 脱离临床,单纯“看图说话” |
| 3.2 墨守陈规,缺少新技术新方法 |
| 3.3 壁垒仍在,学科融合不足 |
| 参考文献 |
| 综述二: 舌诊量化研究在糖尿病肾脏病临床研究中的应用 |
| 1.舌诊量化研究在中医临床研究中的必要性 |
| 1.1 量化研究简介及其意义 |
| 1.2 舌诊量化研究及其在中医临床研究中的必要性 |
| 2.中医临床研究中的舌诊量化研究方法 |
| 2.1 利用数字化舌象仪获得舌象特征参数 |
| 2.2 利用计算机软件通过色度值对舌色进行量化 |
| 2.3 以人工判读为基础的量化 |
| 3.舌诊量化研究在糖尿病肾病脏临床研究中的应用 |
| 3.1 舌诊作为糖尿病肾脏病证候学研究的一部分 |
| 3.2 舌诊作为中医药治疗的疗效观察指标 |
| 3.3 舌诊作为提示糖尿病患者肾脏并发症的诊断指标 |
| 参考文献 |
| 前言 |
| 第二部分: 糖尿病肾脏病患者舌象特征及其相关性量化研究 |
| 1.研究对象 |
| 1.1 病例来源 |
| 1.2 诊断标准 |
| 1.3 纳入标准 |
| 1.4 排除标准 |
| 2.研究方法 |
| 2.1 采样仪器 |
| 2.2 采集方法 |
| 2.3 舌象特征量化方法 |
| 2.4 观察指标 |
| 2.5 统计学方法 |
| 3.研究结果 |
| 3.1 一般资料 |
| 3.2 基于色度学RGB色彩模式下糖尿病肾脏病舌色、苔色量化研究结果 |
| 3.3 基于专家程度赋值法的糖尿病肾脏病舌质、苔质量化研究结果 |
| 3.4 糖尿病肾脏病患者舌质、苔质的相关因素分析 |
| 4.讨论 |
| 4.1 舌象特征量化方法 |
| 4.2 舌象与病机 |
| 4.3 糖尿病肾脏病患者舌象特征 |
| 4.4 糖尿病肾脏病患者舌象特征的相关因素 |
| 结语 |
| 1.结论 |
| 2.不足与展望 |
| 2.1 本研究不足 |
| 2.2 本研究展望 |
| 参考文献 |
| 致谢 |
| 个人简历 |
（9）基于卷积神经网络的中医舌象辨识人工智能方法学研究（论文提纲范文）
| 摘要 |
| Abstract |
| 符号说明 |
| 第一部分 文献综述 |
| 综述一、舌象特征的研究进展 |
| 1 舌质的研究现状 |
| 1.1 舌形研究 |
| 1.2 舌色研究 |
| 2 舌苔的研究现状 |
| 3 舌态及舌下络脉的研究现状 |
| 4 结语 |
| 参考文献 |
| 综述二、舌象客观化进展研究 |
| 1 舌象客观化的研究进展 |
| 1.1 舌象采集方法的研究进展 |
| 1.2 舌象颜色校正方法研究 |
| 1.3 舌象特征的方法研究进展 |
| 1.4 舌象特征提取及属性识别方法研究 |
| 2 深度学习算法的沿革研究 |
| 2.1 人工智能技术的发展沿革 |
| 2.2 深度学习算法在中医舌象上的应用 |
| 3 结语 |
| 参考文献 |
| 前言 |
| 第二部分 实验研究 |
| 第一章 舌象标准数据集构建 |
| 第一节 背景与目的 |
| 第二节 材料与方法 |
| 第三节 研究结果 |
| 第四节 小结与讨论 |
| 第二章 基于卷积神经网络的齿痕舌模型构建 |
| 第一节 背景与目的 |
| 第二节 材料与方法 |
| 第三节 研究结果 |
| 第四节 小结与讨论 |
| 第三章 基于卷积神经网络的腻苔模型构建 |
| 第一节 背景与目的 |
| 第二节 材料与方法 |
| 第三节 研究结果 |
| 第四节 小结与讨论 |
| 结语 |
| 参考文献 |
| 致谢 |
| 个人简介 |
（10）Hedgehog信号通路在糖尿病大鼠微循环障碍所致舌色变化中的表达及意义（论文提纲范文）
| 1 材料与方法 |
| 1.1 实验材料 |
| 1.1.1 动物 |
| 1.1.2 药物与试剂 |
| 1.1.3 仪器 |
| 1.2 分组与造模 |
| 1.3 干预与造模 |
| 1.4 检测指标与方法 |
| 1.4.1 大鼠舌组织炎症因子TNF-α、IL-1β、MCP-1及血管内皮生长因子VEGF表达 |
| 1.4.2 大鼠舌组织Gli1、Ptch1、Smo mRNA的表达 |
| 1.5 统计学方法 |
| 2 结果 |
| 2.1 大鼠舌组织TNF-α、IL-1β、MCP-1变化 |
| 2.2 大鼠舌组织VEGF的变化 |
| 2.3 大鼠舌组织Gli1、Ptch1、Smo mRNA表达的变化 |
| 3 讨论 |
四、舌色变化与疾病内在相关性的临床研究集要（论文参考文献）
- [1]慢性肾衰竭的舌诊研究概述[J]. 张艳,罗文轩,王诗尧,王辰光,王世东,陈宗俊,曹钋,史银春,肖永华. 现代中西医结合杂志, 2021(36)
- [2]基于Lab色彩模型探讨健康人不同舌象微生物特征及与T2DM的对照研究[D]. 李青伟. 中国中医科学院, 2021(02)
- [3]糖尿病肾脏疾病舌象特征及理化指标相关性研究[D]. 颉龙飞. 天津中医药大学, 2021(01)
- [4]冠心病舌诊的现代研究[J]. 张梦雪,陈伶利,周德生,张湘卓,曾雪芹,周俊鹏,李杰. 中西医结合心脑血管病杂志, 2020(18)
- [5]基于深度学习技术的舌体分割模型研究与舌象智能化应用探索[D]. 李宗润. 成都中医药大学, 2020(01)
- [6]清代山东医家研究[D]. 赵雨薇. 山东中医药大学, 2020(01)
- [7]原发性肾病综合征患者舌诊及目诊临床特点分析研究[D]. 甘佳丽. 广西中医药大学, 2020(02)
- [8]糖尿病肾病患者舌象特征及其相关性研究[D]. 王辰光. 北京中医药大学, 2020(04)
- [9]基于卷积神经网络的中医舌象辨识人工智能方法学研究[D]. 刘婧玮. 北京中医药大学, 2020(04)
- [10]Hedgehog信号通路在糖尿病大鼠微循环障碍所致舌色变化中的表达及意义[J]. 陈清光,陆灏,许家佗,徐隽斐,龚凡,陶乐维,徐佩英,韩煦,刘亚华. 上海中医药杂志, 2020(S1)