中医体质辨识机器人的研究和实现

图1：中医体质辨识机器人的总体结构

图2：中医体质辨识机器人的体质辨识流程图

中医认为体质是个性化的，决定了个体对某些疾病的易感性，决定了患病之后的反应形式及治疗效果和预后转归。例如有些人感觉身体不适，出现头晕头疼、两眼干涩、疲倦乏力、食欲不振等，到医院检查指标都正常，但通过中医诊断，体质上却表现出偏颇，因而可通过中医治疗和饮食调理来纠正偏颇的体质，从而恢复正常。对每一种偏颇体质，中医都有对应的治疗和调理方案，通过中医体质测评，就可以为疾病的预测和健康指导提供依据。现在，中医体质测评已有国家标准，由北京中医药大学王琦教授率领团队完成，研究成果获国家科技进步二等奖。

目前，绝大多数的中医体质辨识系统就是根据这个标准，通过回答一组标准的问题来判断体质类型，这类系统属于中医问诊。除此之外，中医还采用望诊方法来辨识体质。实践证明，面部和舌苔的变化，能够客观地反映气血、病情、疾病、脏腑等，这些变化蕴含着大量的人体体质信息，但是望诊辨识体质需要中医专家丰富的专业经验，对没有经验的医生及普通人就比较困难，因此需要采用先进的人工智能方法来辅助识别。

已有的一些初步研究，主要采用图像处理方法和经典的机器学习算法，存在的问题是相关的样本数据库太小、质量不高。其次，实用性不好，需要专门的使用环境或者借助专业设备。再者是自动化程度不高，需要专业人员辅助测试，测试速度慢。因此我们采用不同的方法，研究实现了体质辨识机器人，其采用先进的认知深度学习算法实现舌苔和面部的自动检测和体质辨识，速度快，准确率高，不受被试者的主观影响。它配备自动调光系统，不需要配置专门环境，实用性强。中医体质辨识机器人不仅能够辅助提高医生的工作效率，提高体质辨识的准确性，还能提高普通人的体质辨识能力，以便预防疾病，这有利于中医的传承和创新，对推动中医现代化具有重要意义。

体质辨识机器人总体设计

中医体质辨识机器人的总体结构如图1所示，主要包括三大部分：机器人硬件系统、自动调光系统和体质辨识软件系统。机器人硬件系统采用目前通用的架构设计，且不包括运动控制系统，因为它的用途非常专业，一般安放的位置相对固定，不需要自由移动。

自动调光系统是很重要的组成部分，它主要解决两个问题。首先中医望诊对采集样本的光照强度和稳定性有较高要求，体质识别在很大程度上依靠机器视觉，视觉的灵敏度将直接影响机器人的体质识别速度和识别质量。我们自主设计的光照自动调节系统，会根据机器人环境的光照情况自动调节到合适程度，从而增强机器人对环境的抗干扰能力。其次，中医体质辨识机器人工作时，采用摄像机解决被试者的位置问题。因为每次被试者出现在拍摄现场时，很难要求被试者高精度出现在目标位置，而且光线变化，目标位置也会变化。而被试者位置差距太大，识别结果有时会有较大偏差。我们的方法是首先采用传感器检测是否有被试者。其次，通过深度学习算法检测人脸。最后，采用深度学习算法检测被试者是否伸出舌苔。中医体质辨识软件系统是机器人的大脑，它控制自动调光系统将光源强度调到合适的程度，控制机器人硬件系统完成摄像头的控制和语音控制，采集人脸和舌苔图像，获取对应的体质类型和调理方案，然后显示体质类型的症状、发病倾向和调理方案。

中医体质辨识的流程图如图2所示，体质辨识机器人检测到被试者到来时自动启动体质辨识流程，发出体质辨识请求，然后控制摄像头采集人脸图像，进行人脸检测，检测到人脸图像后向中医机器人平台发出人脸体质辨识请求，并等待结果。同时控制摄像头采集舌苔图像，进行舌苔检测，检测到舌苔后，将采集的舌苔图像发送到中医机器人平台进行舌苔体质辨识，并等待辨识结果。当获取到两个辨识结果后，进行融合计算，得到最终的体质类型（最多三个），并将体质类型及相应的调理方案输出。

体质调理方案主要包含体质辨识结论和个性化健康指导方案两大部分。体质辨识结论给出具体的体质类型及偏颇程度，并对发病倾向详细解读。个性化健康指导方案包括精神调养、环境调摄、运动处方、生活指导、饮食建议、穴位按摩、药膳调补、药物养生等。

深度学习体质辨识方法

我们采用深度学习方法实现体质辨识，深度学习能从大量数据中自动提取初特征。深度学习依赖于大数据学习样本，可以解决一些高度复杂的分类问题，识别准确率大幅度提高。因为增大训练数据的目的，就是使得训练数据与现实中的测试数据有更大概率保持一致，这就是深度学习的优势。我们选择VGG、GoogLeNet、ResNet模型，然后比较它们在体质辨识上的效果。这三个模型都是ILSVRC竞赛历年表现出色的模型。ILSVRC竞赛的任务目标是实现1000类图像分类，公开126万张训练图像和5万张验证集图像，比较算法在未公开的10万张测试集图像上的效果。通过比较发现GoogLeNet的模型参数更少，运算速度更快，效果也与VGG接近，因此中医体质辨识机器人选择GoogLeNet实现基于舌苔的体质辨识，选择深度卷积神经网络实现了基于面部的体质辨识。但是深度学习需要大量的训练样本，这给我们带来了现实的问题，用于中医体质辨识的临床样本属于比较小的样本集。另一个问题是，即使有大样本，深度学习也不一定能获得更好的泛化能力，会产生一些奇怪的对抗样本问题，特别是这些样本与真正的反例不同，它们是非常简单的正常样本，但深度学习没有办法识别。

深度学习面临的困难来源于几个原因。首先，它们采用同一个深度学习模型处理同一个问题领域的所有对象，这与人类的认知是矛盾的。人类的感知服从简单性原则，简单对象的识别只需要简单方法，只有复杂对象的识别才需要复杂方法。训练数据越大，深度模型越复杂，模型过度复杂的代价便是过拟合，使得学习模型过于精细化，缺乏泛化能力。其次，虽然深度学习增加了大量的训练数据，但数据量足够只是能更完整地描述数据的正确分布，分布有简单的，也有复杂的，特别是还可能是混合分布的，这由问题的本质决定。最后，深度学习的学习结果都保存到神经网络的权重和辅助参数上，那么这些权重及参数必须同时兼顾简单对象和复杂性对象的识别，当存在冲突时，难以同时满足。这些困难使得我们重新研究人类对小样本情况下的思维问题，实际上人类在小样本下也可能处理得比大样本好，我们从认知规律角度提出了认知机器学习方法，提出了复杂性感知和逆向思维，并实现了更加高效的体质辨识算法。

中医体质辨识机器人系统实现

中医体质辨识机器人采用深度神经网实现舌苔图像和人脸图像的体质辨识，需要大量的已标记数据库，但是目前没有公共的数据库。我们直接从医院获取大量的临床样本，每个样本都有对应的体质类型，用于构造训练图像数据库，并采用了我们提出的图像索引算法建立索引，支持训练数据库的快速增长。其中体质类型是采用王琦教授的研究成果及中华中医药学会发布的《中医体质分类判定标准》，体质类型分为平和质、气虚质、阳虚质、阴虚质、痰湿质、湿热质、血瘀质、气郁质、特禀质九个类型。

中医体质辨识机器人的实现采用现有的深度学习框架，然后是我们提出的人脸检测、舌苔检测和人脸舌苔体质辨识算法，自动检测出的舌苔图像效果很好。中医体质辨识机器人的对体质辨识的速度非常快，每次测试不超过1分钟，而且测试的准确率高。

中医体质辨识机器人的设计与实现方法，主要贡献在于构造了第一个较大规模的自然条件下的舌苔和面部数据库，提出了基于深度学习的效果很好的舌苔检测方法和人脸检测算法，采用深度学习方法和自主创新的认知机器学习方法实现了效果较好的体质辨识结果。中医体质辨识机器人的测试表明，体质辨识是有共性的，表明中医能够客观化、标准化，未来的工作是积极引入更多更先进的科学技术，在有限训练样本的情况下，根据认知机器学习方法获得更好的体质辨识准确率。