舌诊的现代研究进展     

一、图像采集与处理技术

（一）标准化采集环境

开发了多种舌象采集设备，如数码相机、高清摄像头、智能手机等，并结合恒定光源、暗室等标准化采集环境，确保图像质量稳定。例如，CIE D65标准光源被广泛应用于舌象采集，其色温接近自然光源，能有效减少光线变化对舌象的影响。

（二）图像预处理

对采集的舌象图像进行预处理，包括光线校正、色彩校正、图像增强等操作，以提高图像的质量和一致性。例如，通过直方图均衡化增强图像对比度，使舌象特征更加明显。

（三）图像分割与特征提取

利用阈值分割、边缘检测、区域生长等图像分割技术将舌体从背景中分离出来，提取舌形、舌态等形状特征。同时，采用灰度级共生矩阵（GLCM）、小波变换等方法提取舌象的纹理特征，反映舌面的光滑度、粗糙度等信息。

二、光谱分析技术

（一）反射光谱技术

通过测量舌体表面反射光的波长和强度，获取舌象的光谱信息。例如，利用近红外反射光谱技术测量舌体表面的光谱特征，能够提供丰富的生理病理信息。

（二）高光谱技术

高光谱成像技术能够获取舌象在多个波长下的图像信息，提供更全面的光谱数据。例如，刘明等利用高光谱成像技术对舌象进行采集，发现527.5480 nm波长处能够很好地反映舌体表面舌苔附着的情况。

（三）拉曼光谱技术

拉曼光谱技术通过测量分子的振动、转动等信息，提供舌象的化学成分和结构信息。例如，利用拉曼光谱技术检测舌象中的特定生物标志物，为疾病的早期诊断提供依据。

三、舌象研究

（一）微观方面研究

1. 舌象形成机制研究

基因组学研究发现舌黏膜上皮细胞是影响舌苔形成的重要因素，舌苔的厚薄与凋亡相关基因的表达水平相关。例如，厚苔的形成可能与Bax、TGF-β3等基因表达水平降低有关，这些基因在细胞凋亡过程中发挥关键作用，其表达水平的变化会影响舌上皮细胞的凋亡，进而导致舌苔厚度的改变。

2. 舌象与疾病关系研究

通过蛋白质组学、微生物组学和代谢组学等技术，从微观层面揭示舌象与疾病发生发展的联系。例如，在慢性胃炎、泄泻、炎症性肠病等脾胃疾病中，舌苔微生物群落结构的变化与疾病状态密切相关，特定的微生物种类和数量变化可作为疾病诊断和病情监测的潜在生物标志物；代谢组学研究则发现舌苔代谢产物的差异与疾病的发生发展有关，为疾病的早期诊断和治疗提供了新的思路。

（二）宏观方面研究

1. 舌象特征提取与分析

图像分析法能够从宏观上对舌象的整体特征进行提取和分析，包括舌色、舌形、舌态、舌下络脉等。例如，通过数码图像技术对舌象的颜色进行量化分析，利用RGB、HSV、Lab等颜色模型获取舌色的客观参数，从而更准确地判断舌色的变化及其与疾病的关系；同时，还可以对舌形的胖瘦、舌态的动静等进行观察和测量，为中医辨证提供更全面的依据。

2. 舌象与疾病诊断和预后

宏观上，舌象的变化与多种疾病的诊断和预后密切相关。在心系疾病中，舌质和舌苔的颜色、形态等特征可反映心脏的气血运行情况和疾病的严重程度；在肺系疾病中，舌尖的色泽和舌苔的厚薄等变化有助于判断肺部疾病的性质和病情发展趋势；在糖尿病及其并发症中，舌象的客观化参数与血糖控制水平、并发症的发生等存在一定关联，可作为病情监测和预后评估的参考指标。

四、微生物组学与代谢组学

（一）微生物组学

通过16S rRNA高通量测序等技术，对舌苔微生物群落进行分析，揭示舌苔微生态与疾病的关系。例如，王慧雯【1】等发现慢性胃炎患者舌苔中的莫氏杆菌群明显增高，链球菌属等是冠心病痰证潜在的生物标志物。

（二）代谢组学

利用气相色谱-质谱（GC-MS）、液相色谱-质谱（LC-MS）等技术，分析舌苔代谢产物的变化，揭示疾病发生发展的代谢特征。例如，蒋海洋【2】等对泄泻患者舌苔进行非靶向代谢组学分析，发现不同证型泄泻患者的舌苔代谢产物存在显著差异。

五、人工智能与舌象客观化

（一）舌象特征提取与识别

1. 颜色特征提取

使用RGB、HSV、Lab等颜色模型对舌象图像进行颜色量化分析，提取舌色、苔色的数值特征。例如，计算舌象图像中各颜色通道的均值、标准差等统计量，以描述舌色的深浅、饱和度等。

2. 形状特征提取

通过图像分割技术（如阈值分割、边缘检测、区域生长等）将舌体从背景中分离出来，提取舌形、舌态等形状特征。例如，计算舌体的面积、周长、长宽比等几何参数，描述舌形的胖瘦、大小等。

3. 纹理特征提取

采用灰度级共生矩阵（GLCM）、小波变换等方法提取舌象的纹理特征，反映舌面的光滑度、粗糙度等信息。

（二）舌象分类与诊断模型构建

1. 深度学习特征提取

利用卷积神经网络（CNN）等深度学习模型自动学习舌象图像的高层次特征。例如，通过训练CNN模型，让模型自动提取舌象中的关键特征，如舌色、苔色、舌形等，而无需手动设计特征提取算法。

2. 传统机器学习方法

基于提取的舌象特征，使用支持向量机（SVM）、决策树、随机森林等传统机器学习算法构建舌象分类模型，对舌象进行辨证分型。例如，根据舌色、苔色、舌形等特征，将舌象分为不同的证型类别，如风寒表证、风热表证、脾胃湿热证等。

3. 深度学习方法

利用深度学习模型（如CNN、循环神经网络RNN等）直接对舌象图像进行端到端的分类和诊断。例如，构建一个CNN模型，输入舌象图像，输出对应的证型标签或疾病诊断结果，模型自动学习图像中的特征并进行分类决策。

（三）多模态融合诊断

将舌象与其他诊断信息（如脉象、症状、体检指标等）进行融合，构建多模态诊断模型。例如，结合舌象图像特征和脉象信号特征，通过多模态学习算法提高疾病诊断的准确性和全面性。

六、临床应用与验证

（一）脾胃病

1. 慢性胃炎

张伟妃【3】等利用数字化图像分析技术对慢性胃炎患者舌象特征进行研究，发现苔色B值、G值分别与糜烂和慢性炎症相关，苔色B值和舌色G值与胆汁反流有关。孙祝美【4】等对慢性胃炎特异性菌属、特定苔的优势菌群组成、舌苔微生物与不同证型及不同病理阶段的相关性进行了研究，取得了显著成果。

2. 胃食管反流病

通过人工智能舌图数据库训练胃食管反流病舌诊模型，能够更加方便快捷地识别舌象特征，为临床诊断提供有力支持。

3. 泄泻

石国栋【5】等基于UPLC-MS的寒湿型与湿热型泄泻患者舌苔的非靶向代谢组学研究，揭示了不同证型泄泻患者舌苔代谢产物的差异，为泄泻的辨证论治提供了新的视角。

（二）心系疾病

1. 胸痹（冠心病）

丁然【6】等利用图像分析技术对胸痹胸痛患者舌象特征进行分析，发现舌质和舌苔R、G、B值均较无胸痛组有显著差异。赵静【7】等利用舌体高光谱建立分类模型，为高血压合并冠心病的早期发现提供了一种有效筛查手段。

2. 高血压病

段梦瑶【8】等选取高血压病阴虚证患者作为研究对象，采用TFDA-1型舌诊仪进行采集，发现阴虚证具有特异性舌象特征，舌象随阴虚证病理程度的增加而具有明显的特征性改变趋势。

（三）肺系疾病

1. 肺结节

王寺晶【9】等采用TF-1型舌面一体仪采集了210例肺结节患者及35例健康志愿者的舌象信息，证实了不同中医证型的肺结节患者舌象参数存在差异，并记录患者的肺部CT影像学结果，分析不同影像学性质的肺结节患者的舌象参数特征。

2. 慢性阻塞性肺疾病（COPD）

李清仪【10】等对COPD稳定期患者舌苔微生态进行研究，发现颗粒二氧化碳噬纤维菌可能成为COPD稳定期患者的舌苔标志菌。

（四）糖尿病及其并发症

1. 糖尿病肾病

李金菊【11】等基于图像分析法对糖尿病肾病不同证型与舌象特征的相关性进行分析，结果显示肝肾阴虚组舌色偏红、苔色偏黄，脾肾阳虚组舌色及苔色整体偏白，气阴两虚组介于二者之间。

2. 糖尿病

Usharani【12】等基于图像分析法结合机器学习算法对糖尿病舌热点区域进行分析，发现糖尿病组舌面温度高于正常组，提示舌温图可作为糖尿病预后的初步筛选方法。李青伟【13】基于舌苔微生物组学技术，描绘了健康人舌象的微生物学特征并确定了糖尿病不同类型舌苔的独特细菌特征。

（五）妇科疾病

1. 原发性痛经

Kim Jihye【14】等将48例原发性痛经（PD）患者与月经正常女性舌象进行比较，结果显示PD患者月经期的L值低于对照组、黄体期的b值高于对照组，其痛经的严重程度与舌色L、a值，苔色的L、b值相关，提示舌象客观化数据可作为PD患者中医辨证分型、疗效和预后评估的辅助手段。

2. 哺乳期急性乳腺炎

肖金禾【15】等采用高通量测序技术研究哺乳期急性乳腺炎黄腻苔患者和哺乳期健康薄白苔女性的舌苔菌群，发现其物种差异的主要菌群分布。

（六）癌症

1. 大肠癌

韩柯柯【16】等利用图像分析法研究大肠癌患者与不同证候的舌诊客观特征变化特点，结果显示大肠癌患者舌诊参数与正常人组有显著差异，不同证型的大肠癌患者舌诊信息特征也有所不同。

2. 胃癌

Yuan Ajay【17】等率先将舌图像分析法、舌苔微生物检测法及机器学习工具相结合，对胃癌进行前瞻性多中心临床队列研究，结果表明基于舌象的诊断技术可以作为胃癌稳定的诊断工具。

（七）其他疾病

1. 乙型肝炎肝硬化

赵丰润【18】利用图像分析法对80例乙型肝炎肝硬化患者治疗前后舌象特征进行分析，发现干预前、中、后3组患者的舌尖部和舌两边舌色参数值均有变化，说明从舌象参数变化角度可以反映代偿期乙型肝炎肝硬化的药物疗效。

2. 慢性乙型病毒性肝炎

曹敏玲【19】等对慢性乙型病毒性肝炎黄苔及白苔患者舌苔检测发现，具有不同舌苔的患者存在特定的临床特征和细菌结构。

七、便携式舌诊设备与移动医疗应用

（一）便携式舌象采集设备

开发小型化、便携式的舌象采集设备，如手持式舌象仪、智能手机舌象采集附件等，方便用户随时随地进行舌象自测。这些设备结合人工智能技术，能够自动分析舌象并提供健康建议，促进了中医舌诊在家庭健康管理中的应用。

（二）移动医疗应用

将舌诊客观化技术集成到移动医疗应用程序中，用户可以上传舌象照片，应用程序利用后台的舌诊模型进行分析，并返回诊断结果或健康评估报告。这种移动医疗模式为中医舌诊的普及和推广提供了新的途径，使更多人能够受益于中医诊断的便利和精准。

八、存在的问题与展望

（一）标准化与规范化

目前舌诊客观化研究中存在设备、技术不统一的问题，组学技术在样本采集的环境、取样位置、分析方法和数据处理手段等未形成规范，影响了研究结果的可比性和重复性。

（二）多学科交叉研究

未来研究需要加强多学科交叉，融合生物学、物理学、信息科学等领域的知识和技术，从多个层面深入研究舌诊的科学机制和临床应用。

（三）大样本与多中心研究

目前多数研究为小样本、单中心研究，未来应开展大样本、多中心的临床研究，建立标准化的舌象数据库，提高研究结果的可靠性和普适性。

（四）数据共享与交换

建立统一的数据格式标准，促进数据的安全共享和交换，提高数据的利用率和研究效率。

通过这些研究进展，舌诊的客观化、标准化和智能化水平不断提高，为中医诊断的现代化发展提供了有力支持。

参考文献：

[1]王慧雯,李莉,李福凤,等.慢性萎缩性胃炎患者腻苔优势菌群组成及E-黏附因子和细胞间黏附因子-1的水平[J].中国中西医结合杂志,2018,38(07):790-794.

[2]蒋海洋,王慧雯,郭春荣,等.舌图像处理技术的研究进展[J].中国中医药科技,2021,28(01):164-166.

[3]张伟妃,李福凤,李琦,等.慢性胃炎舌诊特征信息与胃镜及病理结果的关联分析[J].中华中医药学刊,2015,33(03):576-578.

[4]孙祝美,基于16SrRNA基因指纹图谱技术慢性萎缩性胃炎不同病理分期的舌苔微生物变化特征.上海市,上海中医药大学,2021-01-11.

[5]石国栋.应用组学技术探索寒湿泻与湿热泻腻苔的代谢差异[D].江西中医药大学,2022-06-21.

[6]丁然,陆小左.基于有无痛胸分型的胸痹脉象中医客观化研究[J].中医药信息,2018,35(02):66-69.

[7]赵静,马贝,刘明,等.舌体高光谱的高血压患者中合并冠心病的筛查方法[J].光谱学与光谱分析,2022,42(02):512-516.

[8]段梦遥,毛伯,刘勇,等.高血压病舌象客观化特征与阴虚证的相关性研究[J].现代中医临床,2021,28(06):9-13.

[9]王寺晶,宋雪阳,冯路,等.不同影像学性质肺结节患者的舌象参数特征分析[J].世界科学技术-中医药现代化,2021,23(01):276-282.

[10]李清仪,朱洁,王小乐,等.慢性阻塞性肺疾病舌苔菌群微生态的相关研究[J].辽宁中医杂志,2022,49(04):1-4+221-222.

[11]李金菊.芪归糖痛宁颗粒对2型糖尿病周围神经病变患者临床疗效观察及对模型大鼠NLRP3/IL-1β通路相关因子表达的影响[D].安徽中医药大学,2022.DOI:10.26922/d.cnki.ganzc.2022.000386.

[12]Usharani T ,Snekhalatha U ,Vinayakumar R , et al.Tongue image fusion and analysis of thermal and visible images in diabetes mellitus using machine learning techniques[J].Scientific Reports,2024,14(1):14571.

[13]李青伟.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].中国中医科学院,2021.

[14]Jihye K ,Haebeom L ,Hyunho K , et al.Differences in the Tongue Features of Primary Dysmenorrhea Patients and Controls over a Normal Menstrual Cycle.[J].Evidence-based complementary and alternative medicine : eCAM,2017,20176435702.

[15]肖金禾,金信妍,樊英怡,等.哺乳期急性乳腺炎黄腻苔患者舌苔特异性菌群特征研究[J].中医杂志,2021,62(13):1150-1155.

[16]韩柯柯,钱峻,张伟妃,等.大肠癌临床辨证舌诊信息特征研究[J].中华中医药学刊,2018,36(03):668-671.

[17]Ajay Y ,Alok K .Chicken swarm algorithm with deep convolutional neural network based tongue image analysis for gastric cancer classification [J].Intelligent Decision Technologies, 2024,18(3):2241-2253.

[18]赵丰润.乙型肝炎肝硬化代偿期患者中医干预前后舌色参数变化特点的研究[D].北京中医药大学,2015.

[19]曹敏玲,池晓玲,萧焕明,等.慢性乙型病毒性肝炎舌象量化指标与肝脏病理改良Scheuer积分的相关性研究[J].辽宁中医杂志,2013,40(12):2416-2418.