田春穎，孫 璇，莊淑涵，關(guān)媛媛，王泓午

（天津中醫(yī)藥大學(xué)，天津 301617）

舌診是中醫(yī)臨床辨證論治的一種手段，是獲取機體健康狀況的一種重要途徑[1]。傳統(tǒng)舌診的判別一般靠醫(yī)生的知識水平，常常被光線、環(huán)境等條件影響，主觀性很強，缺少量化指標(biāo)，因此延緩了舌診客觀化的進(jìn)程[2-4]。因此科學(xué)研究者研發(fā)出中醫(yī)智能舌診儀，使中醫(yī)舌診走向現(xiàn)代化、客觀化。其中，舌象的正確分割是實現(xiàn)中醫(yī)舌診客觀化的必要條件之一。舌象分割包括兩方面內(nèi)容：一是舌體提取，二是苔質(zhì)分離[5]。舌象分割的效果將對進(jìn)一步的舌象分析產(chǎn)生直接影響，所以保證舌象分割的準(zhǔn)確率是相當(dāng)重要的[6]。隨著圖像分割技術(shù)的發(fā)展，舌象研究中的圖像分割也經(jīng)歷了從人工分割逐漸走向半自動、自動分割的過渡，但目前舌體分割的結(jié)果還不是很令人滿意。

所以利用Note Express對中國知網(wǎng)、維普、萬方以及Pubmed數(shù)據(jù)庫進(jìn)行檢索、篩選，最終對納入的文獻(xiàn)進(jìn)行計量學(xué)分析，即采用數(shù)學(xué)和統(tǒng)計學(xué)方法對文獻(xiàn)進(jìn)行統(tǒng)計學(xué)分析和描述[7]，找出文獻(xiàn)分布規(guī)律，據(jù)此探討舌象分割技術(shù)的研究現(xiàn)狀及發(fā)展趨勢，為舌象分割技術(shù)準(zhǔn)確率的提高提供參考，具有重要的理論和實際意義。

1 資料與方法

1.1 數(shù)據(jù)來源 本研究的文獻(xiàn)來源為中國知網(wǎng)（CNKI）、維普（VIP）、萬方（WanFangdata）、Pubmed數(shù)據(jù)庫公開發(fā)表的文獻(xiàn)。

1.2 檢索策略 對四大數(shù)據(jù)庫進(jìn)行主題檢索，中文檢索詞為“舌”“分割”，英文檢索詞為“segmentation”“tongue”。檢索時限為建庫至2018年12月。

1.3 納入與排除標(biāo)準(zhǔn) 納入標(biāo)準(zhǔn)：研究舌象分割技術(shù)的期刊論文、會議論文和學(xué)位論文；如內(nèi)容雷同并經(jīng)判斷是同一研究，選擇資料最完整的文獻(xiàn)。

排除標(biāo)準(zhǔn)：綜述類文獻(xiàn)，科普類文獻(xiàn)，文摘類文獻(xiàn)；無法獲取全文者；主要研究未涉及舌象分割技術(shù)的文章（如紋理識別與分析、舌色識別與分析、舌象采集及舌象儀研制等）。

1.4 文獻(xiàn)篩選與資料提取 由兩位研究員嚴(yán)格按照文獻(xiàn)納排標(biāo)準(zhǔn)進(jìn)行獨立篩選，并交叉核對，如遇分歧，與通訊作者討論后決定。對篩選后的文獻(xiàn)進(jìn)行提取，數(shù)據(jù)提取表用Excel 2016進(jìn)行，提取內(nèi)容包括論文標(biāo)題、論文作者、發(fā)表年度、發(fā)表期刊、第一作者單位、發(fā)表類型、基金資助、舌體分割方法、苔質(zhì)分離方法、分割準(zhǔn)確率及是否提及相應(yīng)的分割評價標(biāo)準(zhǔn)等，以進(jìn)行文獻(xiàn)計量學(xué)分析。1.5 統(tǒng)計分析 應(yīng)用Note Express 3.20軟件進(jìn)行文獻(xiàn)管理，根據(jù)“題錄類型”“作者”“年份”“標(biāo)題”字段進(jìn)行系統(tǒng)查重，并結(jié)合人工查重后，以人工審閱的方式進(jìn)行文獻(xiàn)篩選與資料提取。應(yīng)用Excel 2016軟件錄入以上提取信息并對其進(jìn)行描述分析。SATI 3.2[8]文獻(xiàn)題錄信息統(tǒng)計分析工具進(jìn)行詞頻分析，形成共詞矩陣，利用UCINET 6.0軟件NetDraw版塊對共詞矩陣?yán)L成高頻關(guān)鍵詞可視化網(wǎng)絡(luò)分析圖，分析舌象分割技術(shù)研究的熱點及趨勢。

根據(jù)普賴斯定律[9]，核心作者的最低發(fā)文量為m=0.749√nmax，其中nmax指統(tǒng)計年度內(nèi)最高產(chǎn)的作者的發(fā)文量。發(fā)文量達(dá)到m及以上的所有作者發(fā)表的文獻(xiàn)量之和應(yīng)占納入文獻(xiàn)總量的50%。并分析論文作者、文獻(xiàn)量及作者所在單位等指標(biāo)[10]。

2 結(jié)果

初檢經(jīng)查重后，共檢索文獻(xiàn)219篇，經(jīng)過逐層篩選，最終納入文獻(xiàn)140篇，文獻(xiàn)篩選流程與結(jié)果見圖1。

2.1 文獻(xiàn)基本特征分析 文獻(xiàn)年度分布1999—2018年，國內(nèi)外共刊載舌象分割技術(shù)文獻(xiàn)140篇，平均每年發(fā)表7篇。舌象分割技術(shù)文獻(xiàn)最早的1篇發(fā)表于1999年，在2008年之前發(fā)文量基本呈上升趨勢，2008—2013年發(fā)文量有所下降，2013—2018年相發(fā)文量保持不穩(wěn)定的增長，但從整體上呈上升趨勢，見圖2。

發(fā)表文獻(xiàn)類型分析截至2018年12月，納入的140篇舌象分割技術(shù)文獻(xiàn)中，期刊論文最多，共計73篇，占52.14%；其次是學(xué)位論文，共計64篇，占45.71%；會議論文只有3篇，占2.14%，見圖3。

圖1 文獻(xiàn)篩選流程與結(jié)果

圖2 文獻(xiàn)年度分布

圖3 舌象分割研究發(fā)表文獻(xiàn)類型分析

論文來源期刊分析舌象分割技術(shù)文獻(xiàn)中，期刊論文分布期刊58種73篇，每種期刊均載文1.26篇，論文分布呈較高的離散程度。大多數(shù)期刊（46種）僅載文1篇，載文2篇的期刊9種，載文3篇的期刊3種。《電腦知識與技術(shù)》《計算機應(yīng)用研究》《中國圖象圖形學(xué)報》載文量最多，為3篇。載文2篇（含2篇）以上的期刊共12種，占期刊總數(shù)的20.69%，共載文27篇，占期刊論文總數(shù)的36.99%。12種期刊中，影響因子1.0以下的期刊有4種，共載文9篇；影響因子在1.0～2.0之間的期刊有8種，共載文18篇。12種期刊中，10種期刊（83.33%）為核心期刊。載文2篇以上（含2篇）的期刊載文情況、期刊影響因子（2018）以及是否為核心期刊情況，見表1。

基金資助情況分析140篇文獻(xiàn)中有53篇（37.86%）文獻(xiàn)研究受科研基金的支持，其中國家級科研基金贊助者31篇（58.49%），受省部級科研基金資助者12篇（22.64%），受市級科研基金資助者7篇（13.21%），受院校級科研基金資助者3篇（5.66%）。基金資助文獻(xiàn)年度發(fā)表情況，見圖4。

核心作者分析本研究納入的140篇文獻(xiàn)，共有211名作者參與發(fā)表。其中發(fā)文量最多的作者是來自廈門大學(xué)的周昌樂和江西中醫(yī)藥大學(xué)的杜建強，各累計發(fā)表6篇文章，各占納入文獻(xiàn)研究總量的4.29%。根據(jù)普賴斯定律[9]，本研究核心作者最低文獻(xiàn)量m=1.83，取整為2，發(fā)文量為2篇及2篇以上的作者共59名，占全部作者的27.96%，這些作者共發(fā)表文獻(xiàn)163篇，占文獻(xiàn)總量的77.25%＞50%，符合普賴斯定律的要求，即舌象儀圖像分割技術(shù)研究已形成“核心作者群”。舌象分割技術(shù)研究“核心作者群”，見表 2。

表1 舌象分割技術(shù)論文來源期刊分布

圖4 舌象分割技術(shù)受基金資助文獻(xiàn)年度發(fā)表情況

第一作者所在研究機構(gòu)分布共有58個研究機構(gòu)發(fā)表舌象分割技術(shù)文獻(xiàn)，發(fā)文量前3名的研究機構(gòu)分別為北京工業(yè)大學(xué)11篇（7.86%）、上海交通大學(xué)10篇（7.14%）、哈爾濱工業(yè)大學(xué)9篇（6.43%）。140篇有效文獻(xiàn)中由研究機構(gòu)獨立發(fā)表109篇（77.86%），多機構(gòu)合作發(fā)表31篇（22.14%），發(fā)文量前10位的研究機構(gòu)如表3所示。

表2 舌象分割技術(shù)研究核心作者

2.1.7 舌象分割技術(shù)研究的共詞分析 高頻關(guān)鍵詞分析出現(xiàn)頻次排名前5的關(guān)鍵詞依次為圖像分割、舌診、舌體分割、中醫(yī)舌診、舌診客觀化，見表4。

通過對高頻關(guān)鍵詞的分析，可顯示舌象分割技術(shù)領(lǐng)域的關(guān)注重點，但僅對詞頻分析還不能說明此領(lǐng)域的內(nèi)部聯(lián)系，因此對其進(jìn)一步分析，以揭示研究熱點全貌。

構(gòu)建共詞矩陣確定舌象分割技術(shù)研究的關(guān)鍵詞數(shù)量為15個，生成共詞矩陣，見表5。同時為構(gòu)建高頻關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)知識圖譜提供數(shù)據(jù)支撐，為后續(xù)分析奠定基礎(chǔ)。

表3 舌象分割技術(shù)發(fā)文量前10位的研究機構(gòu)

表4 舌象分割技術(shù)研究高頻關(guān)鍵詞分析

表5 舌象分割技術(shù)研究共詞矩陣（部分）

高頻關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)知識圖譜分析分析結(jié)果顯示圖像分割處于舌象分割技術(shù)高頻關(guān)鍵詞共詞網(wǎng)絡(luò)的中心位置，是最重要的結(jié)點，說明圖像分割在舌象分割技術(shù)領(lǐng)域研究中占舉足輕重的地位。中醫(yī)舌診和圖像分割兩個結(jié)點間的線段最粗，說明中醫(yī)舌診與圖像分割雖為兩個獨立的不同研究領(lǐng)域，但兩者關(guān)聯(lián)性最強。見圖5。

圖5 舌象分割技術(shù)高頻關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)知識圖譜

2.2 舌象分割技術(shù)分析 舌象分割方法分析納入的140篇文獻(xiàn)中，111篇文獻(xiàn)研究內(nèi)容為舌體提取技術(shù)，13篇文獻(xiàn)研究內(nèi)容為苔質(zhì)分離技術(shù)，16篇文獻(xiàn)內(nèi)容既研究舌體提取技術(shù)又研究苔質(zhì)分離技術(shù)。總觀，舌體提取技術(shù)中，主要使用的前三類技術(shù)是Snake模型（29.13%）、基于閾值的分割技術(shù)（18.90%）及基于圖論的分割技術(shù)（7.09%），Snake模型中主要使用經(jīng)典Snake模型（21.62%）和GVF Snake模型（21.62%），基于閾值的分割技術(shù)中主要使用最大類間方差法（33.33%），基于圖論的分割技術(shù)中主要使用Grab Cut算法（44.44%）。苔質(zhì)分離技術(shù)中，主要使用的前三類技術(shù)是基于閾值的分割技術(shù)（34.48%）、基于聚類的分割技術(shù)（24.14%）及基于區(qū)域的分割技術(shù)（10.34%），基于閾值的分割技術(shù)中主要使用多通道動態(tài)閾值法（30%），基于聚類的分割技術(shù)中主要使用K-均值聚類法（85.71%），基于區(qū)域的分割技術(shù)中主要使用分裂-合并法（66.67%）。排名前3的舌象分割技術(shù)如下表6所示。

表6 排名前三的舌象分割技術(shù)

舌象分割準(zhǔn)確率及其評價標(biāo)準(zhǔn)分析納入的140篇文獻(xiàn)中，僅22篇文獻(xiàn)提及舌象分割的準(zhǔn)確率，11篇提及舌象分割準(zhǔn)確率的評價標(biāo)準(zhǔn)。舌象分割準(zhǔn)確率及其評價標(biāo)準(zhǔn)皆提及的文獻(xiàn)均為研究舌體提取技術(shù)的文獻(xiàn)，如下表7所示。

3 討論

3.1 舌象分割技術(shù)研究的重視程度仍需提高 文獻(xiàn)數(shù)量在一定程度上能反映出該領(lǐng)域的發(fā)展程度及國家、社會的重視程度[11]。舌象分割是舌象采集和分析的中樞環(huán)節(jié)，是舌診信息化和客觀化的基礎(chǔ)[12-13]。本次研究結(jié)果顯示，近20年舌象分割技術(shù)方法文獻(xiàn)整體上呈上升趨勢，發(fā)文量不穩(wěn)定且發(fā)展較慢，僅37.86%的的文獻(xiàn)獲得基金資助，提示舌象分割技術(shù)研究的基金支持力度較低，推斷可能是導(dǎo)致該領(lǐng)域不穩(wěn)定性發(fā)展，發(fā)展速度較慢的原因，尚需該領(lǐng)域科研人員提高重視程度，國家政府加大基金支持力度。

表7 舌象分割準(zhǔn)確率及其評價標(biāo)準(zhǔn)皆提及的文獻(xiàn)

3.2 文獻(xiàn)各研究機構(gòu)間發(fā)展不均衡 從作者的研究機構(gòu)來看，140篇文獻(xiàn)來源于58所研究機構(gòu)。發(fā)文前10位的研究機構(gòu)均為高校。原因可能是高?？蒲腥藛T有更多的機會參加培訓(xùn)學(xué)習(xí)，有較強的科研團隊和學(xué)術(shù)氛圍。納入的140篇文獻(xiàn)研究中，77.86%的文獻(xiàn)由研究機構(gòu)獨立完成發(fā)表，僅22.14%的文獻(xiàn)由多機構(gòu)合作完成發(fā)表。今后應(yīng)加強合作力度，開展不同研究機構(gòu)間的多點合作，互相交流合作，加強隊伍建設(shè)，同時也對改善不均衡局面起到一定的作用[14]。

3.3 主要期刊陣地初具雛形，“核心作者群”已形成學(xué)術(shù)期刊是共享和展示科研成果的重要平臺，通過對收錄舌象分割技術(shù)文獻(xiàn)的期刊進(jìn)行分析，確定舌象分割技術(shù)文獻(xiàn)分布的主要期刊陣地，有助于快速了解該領(lǐng)域的科研成果?！峨娔X知識與技術(shù)》《計算機應(yīng)用研究》《中國圖象圖形學(xué)報》等期刊發(fā)表的此類文獻(xiàn)較多。提示中國舌象分割技術(shù)的研究成果可以優(yōu)先考慮投稿至這些刊物[15-16]。

根據(jù)普賴斯定律[9]，通過“核心作者”分析，“核心作者群”已形成，杜建強、周昌樂等研究人員發(fā)表的文獻(xiàn)相對較多，提示以上研究者在該領(lǐng)域具有重要貢獻(xiàn)，研究人員可以爭取與其進(jìn)行合作研究。

3.4 舌象分割技術(shù)當(dāng)前研究熱點 舌象分割技術(shù)高頻關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)知識圖譜顯示：當(dāng)前舌象分割技術(shù)研究的最終目的是舌診客觀化，主要研究內(nèi)容為舌體分割技術(shù)，以圖像分割技術(shù)為基礎(chǔ)，將其應(yīng)用于中醫(yī)舌診領(lǐng)域，Snake模型結(jié)合數(shù)學(xué)形態(tài)學(xué)原理常被科研人員應(yīng)用并加以研究。

舌象分割技術(shù)分析顯示：舌象分割中主要應(yīng)用改進(jìn)的Snake模型和基于閾值的分割技術(shù)。傳統(tǒng)Snake模型定義了一條能量曲線，該曲線是針對特征目標(biāo)的初始輪廓[17-19]，因其魯棒性、實用性等優(yōu)點被廣泛應(yīng)用于舌象分割[20]。但是傳統(tǒng)Snake模型的缺點是：初始輪廓曲線必須靠近真實邊界且難以收斂到凹部邊界[21-22]。因此Snake模型在舌體提取中被科研人員所改進(jìn)，常改進(jìn)成梯度向量流（GVF）Snake模型來克服傳統(tǒng)Snake模型的缺點?；陂撝档姆指罴夹g(shù)是利用像素的灰度值，通過特定的準(zhǔn)則選取最佳閾值進(jìn)行圖像分割的一種技術(shù)[23]。苔質(zhì)分離時，主要應(yīng)用最佳閾值迭代算法，減輕或消除噪聲對閾值的影響。雖然舌象分割技術(shù)研究在不斷發(fā)展，但仍存在一些問題：對分割方法的準(zhǔn)確率評價尚未形成統(tǒng)一標(biāo)準(zhǔn)，準(zhǔn)確率多由中醫(yī)專家定性評判，由判定的一致率來確定，一致率越高說明該方法分割效果越好[5]。但這種方法主觀性較強，有較多不確定性，因此，業(yè)內(nèi)應(yīng)當(dāng)積極建立統(tǒng)一的評價標(biāo)準(zhǔn)，以促進(jìn)舌象分割標(biāo)準(zhǔn)化，舌象客觀化。

3.5 本研究存在的局限性 首先，此研究是基于中國知網(wǎng)、萬方、維普及Pubmed數(shù)據(jù)庫檢索的文獻(xiàn)進(jìn)行分析，可能存在文獻(xiàn)納入不全的偏倚。其次，此研究僅對高頻關(guān)鍵詞進(jìn)行分析，不能排除低頻詞在將來成為研究主流的可能性。最后，今后類似研究需擴大文獻(xiàn)檢索面，并綜合其他文獻(xiàn)分析方法，以全面深入挖掘和分析文獻(xiàn)信息。

綜上所述，此研究采用文獻(xiàn)計量學(xué)的方法從文獻(xiàn)基本特征及舌象分割技術(shù)多角度分析了近20年國內(nèi)國外關(guān)于舌象分割技術(shù)的研究現(xiàn)狀，合理客觀地揭示其發(fā)展趨勢，為未來開展舌象分割技術(shù)研究提供理論參考依據(jù)。