引言：睡眠占人类生产生活三分之一的时间，是维持健康和生命活动不可或缺的环节。然而失眠已经成为现代社会普遍的睡眠障碍，约有10%～15%的成年人患有失眠症，且多数症状持续 10 年以上，严重影响个体的身心健康。

根据中医理论，舌象特征的变化与睡眠质量有关。舌诊是中医重要诊断方法之一，医护人员往往通过观察舌象以了解病情。然而，传统舌诊依赖于医者的经验和患者的依从性，导致诊断的准确性和客观性不足。因此，面对日益严重的失眠问题，亟需引入现代化、信息化的技术手段，提升失眠筛查和诊断的客观性和效率。

高光谱成像技术在舌诊领域的应用逐渐受到重视。该技术通过获取舌象的多光谱信息，能够分析舌头表面和内部的光谱特征，这些特征与身体健康状态密切相关。相比传统的舌诊方法，高光谱技术能够提供更为细致的舌象数据，有助于更准确地识别与各种健康问题相关的生理变化。

应用关键词：高光谱、中医、舌诊、失眠筛查、舌象分区

01

 应用状况

近年来，随着高光谱成像技术的发展，有研究者发现与以往的采集技术相比，高光谱采集系统可以获得更多的舌体高光谱信息，利用高光谱提取的信息，可以发现某些波段能够显著反映舌苔信息，还可以反映出舌苔厚度的差异。 基于此，利用高光谱相机采集健康人和失眠患者的舌象数据，并按许家佗舌面部位比例法划分为舌左、舌右、舌根、舌中、舌尖五个区域，提取各区域光谱数据并进行不同的预处理，再采用随机森林(RF)和卷积神经网络(CNN)分类模型进行分析。实验表明，CNN分类模型在失眠筛查中性能优异，测试集准确率可达 95.83%。创新性地结合高光谱技术和机器学习算法并应用于失眠筛查，为失眠筛查提供了 一种自动化、客观的技术手段，未来有望成为高效、便捷的临床筛查工具，提高失眠诊断的准确性和效率。

02

测试原理及方法

采集系统

数据采集系统，如图 1 所示，由光源、高光谱采集模块、下巴支撑架、计算机和数据传输线等组成。其中高光谱数据采集模块采用莱森光学（深圳）有限公司的iSpecHyper-Pico50 快照式光谱成像相机，波长范围为 380nm～980nm，包含31个波段，光谱分辨率为 20nm，高光谱相机像素分辨率为512*512，所 采 集 到 的 数 据 为 512*512*31。

莱森光学iSpecHyper-Pico50 快照式光谱成像相机

数据采集

受试者于清晨或上午空腹前进行舌像数据采集，并填写失眠严重程度指数量表(Insomnia Severity Index，ISI)、 匹兹堡睡眠质量指数 (Pittsburgh Sleep Quality Index，PSQI)量表。由睡眠科医生参考失眠诊断指南，确定受试者诊断结果。 

采集前，为使光源稳定，光源预热 15min。 本研究在暗室中进行高光谱数据的采集，以排除外界光对数据的影响。采集数据时，快照式光谱成像相机距离受试者舌象 15mm， 受试者下巴放在托架上，将舌自然伸出口外，充分暴露，舌体放松。采集到的数据通过固定格式进行保存，里面包括 RGB 图片、RAW 图片和 31 张光谱图等。图 2 为 580nm 波段 的数据图片。

数据提取与预处理

按照舌象分区理论，舌象可以分为五个区域，分别为舌左、舌右、舌根、舌中、舌尖五个区域，舌象分区示意图如图 3 所示

使用 ENVI 软件提取受试者高光谱影像中的舌象五个区域的数据，获取舌象每个区域各个像素点的平均光谱信息，并对所提取的数据进行分析。本研究所用的快照式高光谱相机波长范围为 380nm～980nm，光源的波长范围是 380nm～760nm。由于两者波长范围不一致，以及探测器边缘的影响，需要去除 380nm、400nm 和 780nm 波段信息，保留 420nm～760nm波长信息，共 18 个波段，以提高信噪比，降低分类模型的误差。健康受试者与失眠患者舌象五个区域的原始光谱图如图 4 所示。

数据建模方法与评价指标

为了检验所建模型的分类精度，本研究 通过训练集准确率(Accuracy)，测试集准确率、召回率(Recall)、F1 Score 这些评价指标， 确定最佳预处理方法和最优分类模型，其表达式分别为：

其中：TP 代表真正例，TN 代表真负例，FP 代表假正例，FN 代表假负例。F1 分数指标就是综合精准率和召回率两个指标，它是精确度和召回率的调和平均值。

03

结果分析

本研究选择 RF 和 CNN 建立分类模型，不同预处理方法下，RF 和 CNN 两种分类模型在舌象区域中的最佳分类效果。

利用 Min-Max、S-G 和 SNV 三种预处理方法，有效解决了数据中的尺度、 噪声和光谱强度差异问题，显著提升了不同舌象区域的分类性能。实验表明，经过 Min-Max+S-G+SNV 三种预处理方法对舌尖区域数据进行预处理后，CNN 模型的分类效果达到最佳，其训练集准确率达到 96.55%，测试集准确率、召回率、F1 分数分别达到了95.83%、96.15%、95.83%，为未来基于舌象高光谱的失眠筛查技术提供了重要的理论基础和技术支持。

04

 结论

本研究通过高光谱技术结合多种数据预处理方法，提出了一种用于失眠筛查的自动化分类模型，填补了该领域的研究空白。失眠作为现代社会常见的健康问题，传统的诊断方法依赖于主观评估，缺乏客观、标准化的筛查手段。本研究的创新点在于首次将高光谱技术应用于失眠患者的舌象数据分析，通过多种预处理方法优化舌象光谱数据，结合CNN分类模型，为失眠的自动化筛查提供了全新的技术方案。

参考文献：本文引用《用于失眠病症舌象筛查的高光谱数据处理分析 》论文，作者：王建旭、杨玟、黄立、汤斌、肖子涵 、何忠、 谭银雨、龙邹荣、赵明富、 参与研究机构：重庆理工大学，电气与电子工程学院，重庆理工大学，睡眠医学协同创新实验室，重庆理工大学附属中心医院（重庆市第七人民医院），睡眠与心身医学科

05

 产品推荐

目前，莱森光学快照式光谱成像相机已经全面升级，推出的 iSpecHyper-HH 手持式高光谱成像相机系统。采用莱森光学的创新技术，可通过 1 次曝光获取目标景象的光谱成像记录，所获取的光谱图像包含每一个像素点在 380-980nm 波段范围内连续的光谱响应输出。

模组支持连续光谱探测输出，最大限度保留光谱响应范围内的细节信息。产品外形的极简设计，使得单芯片实现入射光频谱域调制和频谱域到电域的投影信号转换，相比基于空间光学色散原理需采用多种精密光学器件组合的分光方案，大大降低了复杂度、从而提升了可靠性。

备注：文章引用《用于失眠病症舌象筛查的高光谱数据处理分析 》论文内容，通过整理成篇，如有侵权请联系我们删除！