深度学习的中医舌诊检测诊断系统研究与实现(PyQt5界面+数据集+训练代码)

本研究旨在开发一种基于YOLOv8深度学习模型的中医舌诊检测和诊断系统，以实现舌诊的自动化和智能化，帮助医生进行快速、精准的中医诊断。舌诊是中医诊断的一个重要手段，舌象的不同特征常常反映出人体的健康状态和潜在的疾病。在中医舌诊中，舌苔的厚度、颜色和质地等是诊断疾病的重要依据。

本系统结合了PyQt5图形界面，提供用户友好的交互界面，方便操作人员导入图像、进行舌象检测并获取诊断结果。为了使系统能够准确识别舌苔特征，我们引入了多种类型的舌苔数据集，包括”镜面苔”、”白腻苔”、”薄白苔”、”黄腻苔”以及”灰黑苔”等。这些舌苔类型各自对应不同的身体状态和疾病特征，例如”镜面苔”可能表明气血不足或营养不良，而”黄腻苔”则可能预示体内湿热积聚。此外，”白腻苔”、”薄白苔”、”灰黑苔”等则分别反映不同的寒热、虚实病症。系统在训练过程中使用了丰富的舌苔图像样本，通过YOLOv8模型进行特征提取和分类。

在实验验证中，系统表现出较高的检测和分类准确性，能够快速、精准地识别不同类型的舌苔，从而帮助医师获得更为准确的诊断信息。与传统的人工舌诊相比，系统大大提高了舌诊的效率，减少了人为误差，使舌诊过程更加客观和标准化。该系统不仅适用于中医临床诊断，还可应用于中医教学、研究等领域，作为一个有效的辅助诊断工具，帮助推广和普及中医诊疗技术。未来，我们计划进一步扩展系统的数据集，增加更多的舌象特征，以提高系统的全面性和准确性，推动中医诊断智能化的进一步发展。

算法流程

项目数据

通过搜集关于数据集为各种各样的舌诊相关图像，并使用Labelimg标注工具对每张图片进行标注，分5检测类别，分别是’镜面舌苔’,’白腻舌苔’,’薄白舌苔’,’黄腻舌苔’,’灰黑舌苔’。

目标检测标注工具
（1）labelimg:开源的图像标注工具，标签可用于分类和目标检测，它是用python写的，并使用Qt作为其图形界面，简单好用（虽然是英文版的）。其注释以 PASCAL VOC格式保存为XML文件，这是ImageNet使用的格式。此外，它还支持 COCO数据集格式。
（2）安装labelimg 在cmd输入以下命令 pip install labelimg -i https://pypi.tuna.tsinghua.edu.cn/simple

结束后，在cmd中输入labelimg

初识labelimg

打开后，我们自己设置一下

在View中勾选Auto Save mode

接下来我们打开需要标注的图片文件夹

并设置标注文件保存的目录（上图中的Change Save Dir）
接下来就开始标注，画框，标记目标的label，然后d切换到下一张继续标注，不断重复重复。

Labelimg的快捷键

（3）数据准备
这里建议新建一个名为data的文件夹（这个是约定俗成，不这么做也行），里面创建一个名为images的文件夹存放我们需要打标签的图片文件；再创建一个名为labels存放标注的标签文件；最后创建一个名为 classes.txt 的txt文件来存放所要标注的类别名称。

data的目录结构如下：
│─img_data
│─images 存放需要打标签的图片文件
│─labels 存放标注的标签文件
└ classes.txt 定义自己要标注的所有类别（这个文件可有可无，但是在我们定义类别比较多的时候，最好有这个创建一个这样的txt文件来存放类别）

首先在images这个文件夹放置待标注的图片。
生成文件如下:

“classes.txt”定义了你的 YOLO 标签所引用的类名列表。

（4）YOLO模式创建标签的样式

存放标签信息的文件的文件名为与图片名相同，内容由N行5列数据组成。
每一行代表标注的一个目标，通常包括五个数据，从左到右依次为：类别id、x_center、y_center、width、height。
其中：
–x类别id代表标注目标的类别；
–x_center和y_center代表标注框的相对中心坐标；
–xwidth和height代表标注框的相对宽和高。

注意：这里的中心点坐标、宽和高都是相对数据！！！

存放标签类别的文