• 대한의용생체공학회:의공학회지
• /
• 제42권5호
• /
• pp.201-210
• /
• 2021

In Korean medicine, tongue diagnosis is one of the important diagnostic methods for diagnosing abnormalities in the body. Representative features that are used in the tongue diagnosis include color, shape, texture, cracks, and tooth marks. When diagnosing a patient through these features, the diagnosis criteria may be different for each oriental medical doctor, and even the same person may have different diagnosis results depending on time and work environment. In order to overcome this problem, recent studies to automate and standardize tongue diagnosis using machine learning are continuing and the basic process of such a machine learning-based tongue diagnosis system is tongue segmentation. In this paper, image data is augmented based on the main tongue features, and backbones of various famous deep learning architecture models are used for automatic tongue segmentation. The experimental results show that the proposed augmentation technique improves the accuracy of tongue segmentation, and that automatic tongue segmentation can be performed with a high accuracy of 99.12%.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제13권2호
• /
• pp.945-961
• /
• 2019

Tongue diagnosis is one of the most important diagnostic methods in Traditional Chinese Medicine (TCM). Tongue image segmentation aims to extract the image object (i.e., tongue body), which plays a key role in the process of manufacturing an automated tongue diagnosis system. It is still challenging, because there exists the personal diversity in tongue appearances such as size, shape, and color. This paper proposes an innovative segmentation method that uses image thresholding, gray projection and active contour model (ACM). Specifically, an initial object region is first extracted by performing image thresholding in HSI (i.e., Hue Saturation Intensity) color space, and subsequent morphological operations. Then, a gray projection technique is used to determine the upper bound of the tongue body root for refining the initial object region. Finally, the contour of the refined object region is smoothed by ACM. Experimental results on a dataset composed of 100 color tongue images showed that the proposed method obtained more accurate segmentation results than other available state-of-the-art methods.

• 한국인터넷방송통신학회논문지
• /
• 제16권4호
• /
• pp.125-131
• /
• 2016

한방 설진 시스템의 자동화 과정에서 혀 영상 분할은 가장 중요한 분야이다. 그러나 대부분의 한방 설진 시스템의 혀 영상 분할 방식은 사용자 기반의 메뉴얼 방식이나 반자동 방식으로 제안되어 왔다. 따라서 본 논문에서는 한방 설진 시스템의 완전 자동화를 위해서 기존의 스네이크 알고리즘을 기반으로 한 혀 영상 분할의 새로운 방법을 제안한다. 제안한 방법은 기존의 스네이크 알고리즘을 개선한 방법으로서 설진을 위한 혀 영상 특성을 이용하여 포인트들이 안에서 밖으로 역추적하면서 스네이크 에너지 함수가 최소화될 수 있도록 내부 에너지 함수를 개선하였고, 외부 에너지를 계산하기 위해서는 계층적 공간 필터링 방법을 적용하여 잡음에 강인한 특징을 갖는다. 또한 제안한 방법은 표본영상 실험과 실영상 실험을 수행한 결과, 기존 스네이크 알고리즘보다 배경 잡음에 강인함을 보였으며, 임의의 포인트 한 개를 선택하고 해당 포인트의 시작점, 중간점, 끝점에서의 에너지 값을 분석하여 국소적 최저치에 빠지지 않는 강인함을 보였다.

• 한국컴퓨터정보학회논문지
• /
• 제26권9호
• /
• pp.37-47
• /
• 2021

본 논문에서는 U-네트에서 수용 영역을 다양화하여 기존의 모델보다 정확도가 개선된 새로운 혀 영역 분할을 위한 딥러닝 모델을 제안한다. 수용 영역 다양화를 위하여 병렬 컨볼루션, 팽창된 컨볼루션, 상수 채널 증가 등의 방법을 사용하였다. 제안된 딥러닝 모델에 대하여, 학습 영상과 테스트 영상이 유사한 TestSet1과 그렇지 않은 TestSet2의 두 가지 테스트 데이터에 대해 혀 영역검출 실험을 진행하였다. 수용 영역이 다양화됨에 따라 혀 영역 분할 성능이 향상되는 것을 실험결과에서 확인할 수 있었다. 제안한 방법의 mIoU 값은 TestSet1의 경우 98.14%, TestSet2의 경우 91.90%로 U-net, DeepTongue, TongueNet 등 기존 모델의 결과보다 높았다.

• 재활복지공학회논문지
• /
• 제10권2호
• /
• pp.141-146
• /
• 2016

본 논문에서는 설진시스템에서 혀 영역의 윤곽선을 정확하게 검출하기 위해 영역제한 마스크 연산과 능동 윤곽선 모델을 적용한다. 혀의 특징을 정확하게 분석하기 위하여 먼저, 혀 영역이 검출되어야 한다. 그러므로 혀 영역의 에지를 검출하기 위한 효율적인 분할 방법은 매우 중요하다. 20~30대 학생 30명으로 구성된 혀 영상 DB로 실험하였다. 실제 혀 영상에서의 실험은 좋은 결과를 보였다. 실험 결과, 제안된 방법이 마스크 연산을 사용하지 않는 방법에 비해 더 정확하게 혀 영역의 윤곽선을 추출하는 것을 확인할 수 있었다.

• 전기학회논문지
• /
• 제56권11호
• /
• pp.2051-2057
• /
• 2007

In Oriental medicine, the status of a tongue is the important indicator to diagnose one's health like physiological and clinicopathological changes of inner parts of the body. The method of tongue diagnosis is not only convenient but also non-invasive and widely used in Oriental medicine. However, tongue diagnosis is affected by examination circumstances a lot like a light source, patient's posture and doctor's condition. To develop an automatic tongue diagnosis system for an objective and standardized diagnosis, segmenting a tongue is inevitable but difficult since the colors of a tongue, lips and skin in a mouth are similar. The proposed method includes preprocessing, graph-based over-segmentation, detecting positions with a local minimum over shading, detecting edge with color difference and estimating edge geometry from the probable structure of a tongue, where preprocessing performs down-sampling to reduce computation time, histogram equalization and edge enhancement. A tongue was segmented from a face image with a tongue from a digital tongue diagnosis system by the proposed method. According to three oriental medical doctors' evaluation, it produced the segmented region to include effective information and exclude a non-tongue region. It can be used to make an objective and standardized diagnosis.

• 한국정보전자통신기술학회논문지
• /
• 제13권5호
• /
• pp.313-322
• /
• 2020

많은 양의 데이터는 딥 러닝 모델의 견고성을 향상시키고 과적합 문제를 방지할 수 있게 해준다. 자동 혀 분할에서, 혀 영상 데이터 세트를 실제로 수집하고 라벨링하는 데에는 많은 어려움이 수반되므로 많은 양의 혀 영상 데이터를 사용하기 쉽지 않다. 데이터 증강은 새로운 데이터를 수집하지 않고 레이블 보존 변환을 사용하여 학습 데이터 세트를 확장하고 학습 데이터의 다양성을 증가시킬 수 있다. 이 논문에서는 이미지 자르기, 회전, 뒤집기, 색상 변환과 같은 7 가지 데이터 증강 방법을 사용하여 확장된 혀 영상 학습 데이터 세트를 생성하였다. 데이터 증강 방법의 성능을 확인하기 위하여 InceptionV3, EfficientNet, ResNet, DenseNet 등과 같은 전이 학습 모델을 사용하였다. 실험 결과 데이터 증강 방법을 적용함으로써 혀 분할의 정확도를 5~20% 향상시켰으며 기하학적 변환이 색상 변환보다 더 많은 성능 향상을 가져올 수 있음을 보여주었다. 또한 기하학적 변환 및 색상 변환을 임의로 선형 조합한 방법이 다른 데이터 증강 방법보다 우수한 분할 성능을 제공하여 InveptionV3 모델을 사용한 경우에 94.98 %의 정확도를 보였다.

• 한국한의학연구원논문집
• /
• 제14권3호
• /
• pp.89-95
• /
• 2008

A tongue shows physiological and clinicopathological changes of inner organs. Visual inspection of a tongue is not only convenient but also non-invasive. To develop an automat ic tongue diagnosis system for an objective and standardized diagnosis, the separation of the tongue are a from a facial image and the detection of coatings, spots and cracks are inevitable but difficult since the colors of a tongue, lips, and skin in a mouth as well as those of tongue furs and body are similar. The propose d method includes preprocessing with down-sampling and edge enhancement, over-segmentation, detecting positions with a local minimum over shading from the structure of a tongue, and correcting local minima or detecting edge with color difference. The proposed method produces the region of a segmented tongue, and then decomposes the color components of the region into hue, saturation and brightness, resulting in classifying the regions of tongue furs(coatings) into kinds of coatings and substance and segmenting them. Spots are detected by using local maxima and the variation of saturation, and cracks are searched by using local minima and the directivity of dark areas in brightness. The results illustrate the segmented region with effective information, excluding a non-tongue region and also give us accurate discrimination of coatings and the precise detection of spots and cracks. It can be used to make an objective and standardized diagnosis for an u-Healthcare system as well as a home care system.

• 한국정보통신학회논문지
• /
• 제20권4호
• /
• pp.826-832
• /
• 2016

본 논문에서는 고가의 디지털 설진 장비와 특별한 장치 없이 누구나 손쉽게 사용할 수 있는 디지털 설진 시스템의 첫 단계로 미각 영역별 균열 유무를 판별하는 시스템을 제안한다. 훈련 DB는 한방 병원에서 수집한 사진 261장을 바탕으로 Haar-like feature, Adaboost 학습을 하였다. 학습된 결과를 통하여 입력영상으로부터 혀 후보영역을 검출하고, 검출된 혀 후보영역으로부터 혀 영역만을 분리하기 위하여 261장의 훈련 DB의 HSV 컬러모델의 Hue 성분 평균 값을 산출하였다. 검출된 혀 윤곽으로부터 Connected Component Labeling을 통하여 혀 영역을 분리 하였다. 분리된 혀 영역의 상대적 너비와 높이를 이용하여 미각 영역별 로 분할하였다. 분할된 미각 영역별 영상은 Gray영상으로 변환하고, 각각의 영역별 평균 밝기를 산출하여 이진화하였다. 이진화 영상에 Connected Component Labeling을 통하여 균열 유무를 판별하였다.

• 한국정보통신학회논문지
• /
• 제19권2호
• /
• pp.428-434
• /
• 2015

본 논문에서는 미각영역별 색상분석에 의한 새로운 한의학적 설진 시스템을 제안한다. 시스템의 전체 구성은 혀 모양의 영상입력 탬플릿 범위 설정 및 영상획득, 미각영역별 분할, 분할된 영역에 대하여 H-S 히스토그램을 이용한 색상분석 및 이상 유무 판별, 모바일 앱과의 연동으로 구성된다. 혀 영역으로부터 짠맛, 신맛, 단맛, 쓴맛의 네 가지 영역으로 나누어 분할하고, RGB 컬러영상을 HSI 컬러영상으로 변환하였다. 색상분석은 HSI 모델을 이용하였는데, 주변 조도의 영향을 최소화하기 위하여 I(Intensity)값을 제외한 H(Hue)와 S(Saturation) 성분의 히스토그램을 이용하여 색상을 분석하였다. 분석된 결과를 이용하여 정상태 히스토그램의 범위를 기준으로 이상 유무를 판별한다. 마지막으로 제안한 알고리즘을 모바일 앱과 연동하여, 시간과 장소에 구애받지 않고 사용할 수 있는 설진 자가진단 시스템을 제안하였다.