舌象分割技術的文獻計量學分析*

田春穎，孫 璇，莊淑涵，關媛媛，王泓午

（天津中醫藥大學，天津 301617）

舌診是中醫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]。傳統舌診的判別一般靠醫生的知識水平，常常被光線、環境等條件影響，主觀性很強，缺少量化指標，因此延緩了舌診客觀化的進程[2-4]。因此科學研究者研發出中醫智能舌診儀，使中醫舌診走向現代化、客觀化。其中，舌象的正確分割是實現中醫舌診客觀化的必要條件之一。舌象分割包括兩方面內容：一是舌體提取，二是苔質分離[5]。舌象分割的效果將對進一步的舌象分析產生直接影響，所以保證舌象分割的準確率是相當重要的[6]。隨著圖像分割技術的發展，舌象研究中的圖像分割也經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果還不是很令人滿意。

所以利用Note Express對中國知網、維普、萬方以及Pubmed數據庫進行檢索、篩選，最終對納入的文獻進行計量學分析，即采用數學和統計學方法對文獻進行統計學分析和描述[7]，找出文獻分布規律，據此探討舌象分割技術的研究現狀及發展趨勢，為舌象分割技術準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 數據來源 本研究的文獻來源為中國知網（CNKI）、維普（VIP）、萬方（WanFangdata）、Pubmed數據庫公開發表的文獻。

1.2 檢索策略 對四大數據庫進行主題檢索，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 納入與排除標準 納入標準：研究舌象分割技術的期刊論文、會議論文和學位論文；如內容雷同并經判斷是同一研究，選擇資料最完整的文獻。

排除標準：綜述類文獻，科普類文獻，文摘類文獻；無法獲取全文者；主要研究未涉及舌象分割技術的文章（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 文獻篩選與資料提取 由兩位研究員嚴格按照文獻納排標準進行獨立篩選，并交叉核對，如遇分歧，與通訊作者討論后決定。對篩選后的文獻進行提取，數據提取表用Excel 2016進行，提取內容包括論文標題、論文作者、發表年度、發表期刊、第一作者單位、發表類型、基金資助、舌體分割方法、苔質分離方法、分割準確率及是否提及相應的分割評價標準等，以進行文獻計量學分析。1.5 統計分析 應用Note Express 3.20軟件進行文獻管理，根據“題錄類型”“作者”“年份”“標題”字段進行系統查重，并結合人工查重后，以人工審閱的方式進行文獻篩選與資料提取。應用Excel 2016軟件錄入以上提取信息并對其進行描述分析。SATI 3.2[8]文獻題錄信息統計分析工具進行詞頻分析，形成共詞矩陣，利用UCINET 6.0軟件NetDraw版塊對共詞矩陣繪成高頻關鍵詞可視化網絡分析圖，分析舌象分割技術研究的熱點及趨勢。

根據普賴斯定律[9]，核心作者的最低發文量為m=0.749√nmax，其中nmax指統計年度內最高產的作者的發文量。發文量達到m及以上的所有作者發表的文獻量之和應占納入文獻總量的50%。并分析論文作者、文獻量及作者所在單位等指標[10]。

2 結果

初檢經查重后，共檢索文獻219篇，經過逐層篩選，最終納入文獻140篇，文獻篩選流程與結果見圖1。

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

發表文獻類型分析截至2018年12月，納入的140篇舌象分割技術文獻中，期刊論文最多，共計73篇，占52.14%；其次是學位論文，共計64篇，占45.71%；會議論文只有3篇，占2.14%，見圖3。

圖1 文獻篩選流程與結果

圖2 文獻年度分布

圖3 舌象分割研究發表文獻類型分析

論文來源期刊分析舌象分割技術文獻中，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》《計算機應用研究》《中國圖象圖形學報》載文量最多，為3篇。載文2篇（含2篇）以上的期刊共12種，占期刊總數的20.69%，共載文27篇，占期刊論文總數的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篇文獻中有53篇（37.86%）文獻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%）。基金資助文獻年度發表情況，見圖4。

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

表1 舌象分割技術論文來源期刊分布

圖4 舌象分割技術受基金資助文獻年度發表情況

第一作者所在研究機構分布共有58個研究機構發表舌象分割技術文獻，發文量前3名的研究機構分別為北京工業大學11篇（7.86%）、上海交通大學10篇（7.14%）、哈爾濱工業大學9篇（6.43%）。140篇有效文獻中由研究機構獨立發表109篇（77.86%），多機構合作發表31篇（22.14%），發文量前10位的研究機構如表3所示。

表2 舌象分割技術研究核心作者

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

通過對高頻關鍵詞的分析，可顯示舌象分割技術領域的關注重點，但僅對詞頻分析還不能說明此領域的內部聯系，因此對其進一步分析，以揭示研究熱點全貌。

構建共詞矩陣確定舌象分割技術研究的關鍵詞數量為15個，生成共詞矩陣，見表5。同時為構建高頻關鍵詞共現網絡知識圖譜提供數據支撐，為后續分析奠定基礎。

表3 舌象分割技術發文量前10位的研究機構

表4 舌象分割技術研究高頻關鍵詞分析

表5 舌象分割技術研究共詞矩陣（部分）

高頻關鍵詞共現網絡知識圖譜分析分析結果顯示圖像分割處于舌象分割技術高頻關鍵詞共詞網絡的中心位置，是最重要的結點，說明圖像分割在舌象分割技術領域研究中占舉足輕重的地位。中醫舌診和圖像分割兩個結點間的線段最粗，說明中醫舌診與圖像分割雖為兩個獨立的不同研究領域，但兩者關聯性最強。見圖5。

圖5 舌象分割技術高頻關鍵詞共現網絡知識圖譜

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

表6 排名前三的舌象分割技術

舌象分割準確率及其評價標準分析納入的140篇文獻中，僅22篇文獻提及舌象分割的準確率，11篇提及舌象分割準確率的評價標準。舌象分割準確率及其評價標準皆提及的文獻均為研究舌體提取技術的文獻，如下表7所示。

3 討論

3.1 舌象分割技術研究的重視程度仍需提高 文獻數量在一定程度上能反映出該領域的發展程度及國家、社會的重視程度[11]。舌象分割是舌象采集和分析的中樞環節，是舌診信息化和客觀化的基礎[12-13]。本次研究結果顯示，近20年舌象分割技術方法文獻整體上呈上升趨勢，發文量不穩定且發展較慢，僅37.86%的的文獻獲得基金資助，提示舌象分割技術研究的基金支持力度較低，推斷可能是導致該領域不穩定性發展，發展速度較慢的原因，尚需該領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 舌象分割準確率及其評價標準皆提及的文獻

3.2 文獻各研究機構間發展不均衡 從作者的研究機構來看，140篇文獻來源于58所研究機構。發文前10位的研究機構均為高校。原因可能是高校科研人員有更多的機會參加培訓學習，有較強的科研團隊和學術氛圍。納入的140篇文獻研究中，77.86%的文獻由研究機構獨立完成發表，僅22.14%的文獻由多機構合作完成發表。今后應加強合作力度，開展不同研究機構間的多點合作，互相交流合作，加強隊伍建設，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”已形成學術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文獻的期刊進行分析，確定舌象分割技術文獻分布的主要期刊陣地，有助于快速了解該領域的科研成果。《電腦知識與技術》《計算機應用研究》《中國圖象圖形學報》等期刊發表的此類文獻較多。提示中國舌象分割技術的研究成果可以優先考慮投稿至這些刊物[15-16]。

根據普賴斯定律[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表的文獻相對較多，提示以上研究者在該領域具有重要貢獻，研究人員可以爭取與其進行合作研究。

3.4 舌象分割技術當前研究熱點 舌象分割技術高頻關鍵詞共現網絡知識圖譜顯示：當前舌象分割技術研究的最終目的是舌診客觀化，主要研究內容為舌體分割技術，以圖像分割技術為基礎，將其應用于中醫舌診領域，Snake模型結合數學形態學原理常被科研人員應用并加以研究。

舌象分割技術分析顯示：舌象分割中主要應用改進的Snake模型和基于閾值的分割技術。傳統Snake模型定義了一條能量曲線，該曲線是針對特征目標的初始輪廓[17-19]，因其魯棒性、實用性等優點被廣泛應用于舌象分割[20]。但是傳統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，常改進成梯度向量流（GVF）Snake模型來克服傳統Snake模型的缺點。基于閾值的分割技術是利用像素的灰度值，通過特定的準則選取最佳閾值進行圖像分割的一種技術[23]。苔質分離時，主要應用最佳閾值迭代算法，減輕或消除噪聲對閾值的影響。雖然舌象分割技術研究在不斷發展，但仍存在一些問題：對分割方法的準確率評價尚未形成統一標準，準確率多由中醫專家定性評判，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，業內應當積極建立統一的評價標準，以促進舌象分割標準化，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、萬方、維普及Pubmed數據庫檢索的文獻進行分析，可能存在文獻納入不全的偏倚。其次，此研究僅對高頻關鍵詞進行分析，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檢索面，并綜合其他文獻分析方法，以全面深入挖掘和分析文獻信息。

綜上所述，此研究采用文獻計量學的方法從文獻基本特征及舌象分割技術多角度分析了近20年國內國外關于舌象分割技術的研究現狀，合理客觀地揭示其發展趨勢，為未來開展舌象分割技術研究提供理論參考依據。