基于YOLO与大语言模型的中医智能舌诊系统

🏥 基于YOLO与大语言模型的中医智能舌诊系统

智能舌诊、症状关联、中医辩证、健康管理
代码获取:https://mbd.pub/o/bread/YZWakplqbQ==

基于YOLO与大语言模型的中医智能舌诊系统

📖 背景 (Background)

在中医诊断中,"望闻问切"是核心手段,其中舌诊 (望舌)和问诊 (症状询问)结合是精准辩证的基础。

本项目设计并实现了一套基于深度学习的中医智能舌诊系统 。系统以 YOLOv8 为核心进行舌象特征提取,结合 用户主诉症状 ,利用 LLaVA 多模态大模型进行深度辩证分析。











🏗️ 系统架构 (System Architecture)

系统采用 B/S 架构,融合了目标检测、自然语言处理与现代前端技术:

graph TD subgraph Input_Layer [输入层] A[摄像头/图片上传] -->|Image| B(图像预处理) A1[主诉/症状输入] -->|Text| B1(症状向量) end subgraph AI_Core [AI 核心层] B -->|YOLOv8| C{病理特征识别} C -->|Feature Tags| D[特征向量] B1 --> D D -->|Multimodal Prompt| E[LLaVA 大模型] E -->|Reasoning| F[中医辩证报告] end subgraph Service_Layer [业务逻辑] C --> G[特征标注可视化] F --> H[结构化报告生成] F --> I[健康档案数据库] end subgraph UI_Layer [交互展示层] G --> J[Web Interface (Premium UI)] H --> J I --> K[可视化仪表盘] end

💎 核心功能 (Core Features)

1. 🔍 智能病理特征识别 (High-Precision Detection)

基于 YOLOv8 深度学习模型,实现了对舌象细微病理特征的毫秒级检测。

  • 多病种覆盖 :精准识别 黑苔 (危重/热极)地图舌 (胃气阴虚)紫舌 (血瘀)黄/白腻苔 (湿热/痰饮) 等典型病变。
  • 抗干扰能力:采用数据增强训练,能在不同光源、拍摄角度及背景下准确提取舌体区域,有效排除面部其他器官的干扰。
  • 实时推理:支持实时视频流检测,在 GPU 环境下可达实时帧率,满足临床快速筛查需求。

2. 🧠 多模态融合辩证 (Multimodal Diagnosis)

引入 LLaVA (Large Language-and-Vision Assistant) 大模型,模拟老中医的"望闻问切"思维过程。

  • "望+问"双诊合参 :系统不仅仅依靠图像,还能结合用户输入的主诉症状(如:失眠多梦、口苦口干)。
  • 深度推理:大模型将 YOLO 检测到的客观特征(如"舌质红"、"苔黄腻")与用户的主观感受进行逻辑关联。例如,检测到"舌尖红"且用户主诉"失眠",模型会智能推断为"心火旺"。
  • 标准化输出 :自动生成结构化的中医诊断报告,严格包含以下模块:
    1. 症状关联分析:解释症状与舌象的内在联系。
    2. 辩证结论:明确体质类型(如:阴虚火旺、脾胃湿热)。
    3. 调理方案:提供个性化的饮食禁忌、中药方剂建议及作息指导。

3. 📊 批量体检与健康档案 (Batch & History)

面向医疗机构或社区体检场景的实用功能。

  • 高通量自动筛查 :支持由文件夹批量导入舌象图片,系统自动进行检测与分析,并生成包含文件名、检测结果、病理计数的 Excel/CSV 报表
  • 数字化健康档案
    • 历史回溯:系统本地数据库自动记录每一次诊断详情(时间、图像路径、诊断结果)。
    • 趋势分析:提供可视化仪表盘,展示用户健康状态随时间的变化曲线,辅助疗效评估。

🛠️ 安装与运行 (Installation)

环境准备

  • OS: Windows 10/11 (推荐)
  • Python: 3.8+
  • GPU: NVIDIA GPU (推荐)

安装步骤

  1. 安装依赖

    bash 复制代码
    pip install -r requirements.txt
  2. 配置大模型
    系统依赖 Ollama 运行 LLaVA 模型:

    bash 复制代码
    ollama pull llava

运行系统

bash 复制代码
python run_web_tongue.py

启动后访问:http://localhost:7860


📝 数据集与模型 (Dataset & Model)

本系统使用专门构建的 Tongue Diagnosis Dataset,识别类别包括:

  • black_tongue_coating: 黑苔
  • map_tongue_coating: 地图舌
  • purple_tongue_coating: 紫舌
  • red_tongue_yellow_fur_thick_greasy_fur: 红舌黄腻苔
  • The_red_tongue_is_thick_and_greasy: 红舌厚腻苔
  • The_white_tongue_is_thick_and_greasy: 白舌厚腻苔

相关推荐
AIGCmagic社区7 小时前
具身智能专题:机器人也有Scaling Law?智元GE-Act 2.0用3万小时真机数据给出答案
人工智能·aigc·具身智能
Rosanci7 小时前
谷歌浏览器插件开发实战指南:从 Hello World 到上架发布
大数据·人工智能·chrome·程序人生
明月_清风8 小时前
AI 越来越强,程序员真正的价值到底是什么?
人工智能·后端
m0_466525298 小时前
云从科技上线云起ModelHub:AI团队时代的模型算力基础设施
大数据·人工智能·科技
火山引擎开发者社区8 小时前
OpenViking:给 Codex 加上长期记忆
人工智能
荆棘鸟智能8 小时前
城市感知设备怎么统一接入?从多协议网关到设备模型的中间件架构设计
人工智能·算法·边缘计算
火山引擎开发者社区9 小时前
当 AI 内容真假难辨,谁来为真实签名 —— 证书中心 C2PA 内容可信溯源服务正式发布
人工智能
百万蹄蹄向前冲9 小时前
风扇转了一晚上MVP专家团翻车事故
前端·人工智能
米小虾9 小时前
你的 harness 技巧有保质期:176 组对照实验显示,上下文管理的收益从 35.7 分跌到 2.7 分
人工智能·agent
飞哥数智坊9 小时前
一个周末,6个项目,我第一次感觉 AI 编程真的进入了新阶段
人工智能·ai编程