基于机器学习的阴阳二十五人手诊体质辨识模型探索

摘要

目的 结合机器学习的手诊图像分析，探索阴阳二十五人体质辨识模型的构建，以期丰富体质辨识特征输入。方法 基于阴阳二十五人理论，采用自主研发的手诊采集设备，对542名心血管科就诊患者的手部图像进行标准化采集。通过Mediapipe手掌关键点算法提取手部关键点，利用几何学分割手掌区域，得出不同部位的长度和色域特征，并由具有资质的医师根据电子病历确定患者的阴阳二十五型体质，对比随机森林、逻辑回归、Xgboost算法和LightGBM,对患者进行体质辨识。结果 成功构建了基于手部特征的中医体质辨识模型，能够辨识包括金木、金火、金水、金土、木火、木水、木土、水火、水土和火土在内的十种基础体质类型。在样本均衡化处理后，随机森林模型在体质辨识中表现最佳，准确率达到了0.69,这一结果显著优于其他模型。结论 基于手部特征的中医手诊体质辨识模型能够实现中医五行人体质辨识，但是由于仅使用中医望诊之一的手诊数据，准确率有待提升。相较于传统的体质量表更加具有客观性，具有便捷、高度稳定、一致性强的特点。未来可与面诊、全身躯体望诊等进行多模态融合，促进中医体质辨识技术的精准性、智能化和多维度评估能力。

关键词

手诊 / 阴阳二十五人 / 中医体质辨识 / 深度学习 / 机器学习