[發明專利]一種基于深度學習技術建立年齡評估模型的系統及方法

有效

• 申請號: 202010981269.8
• 申請日: 2020-09-17
• 公開（公告）號: CN112086198B
• 公開（公告）日: 2023-09-26
• 發明（設計）人: 郭昱成;韓夢琪;杜少毅;遲玉婷;龍紅;張棟;吉玲玲;管麗敏;侯玉霞
• 申請（專利權）人: 西安交通大學口腔醫院;西安交通大學
• 主分類號: G16H50/50
• 分類號: G16H50/50;G16H50/30;G06N3/0464
• 代理公司: 西安通大專利代理有限責任公司 61200
• 代理人: 朱海臨

1.一種基于深度學習技術建立年齡評估模型的方法，其特征在于，包括以下步驟：

步驟1，采集拍攝全口曲面斷層片，記錄每個曲面斷層片樣本的年齡；

步驟2，將全口曲面斷層片數據集按照8:1:1的比例劃分成訓練集、驗證集和測試集；

步驟3，通過深度學習技術構建基于EfficientNet的網絡模型，并將其在ImageNet公開數據集上做預訓練，將預訓練的結果模型作為進行分類的EfficientNet-B5初始網絡模型；

步驟4，將訓練集輸入到EfficientNet-B5初始網絡模型中進行分類器的訓練，在訓練的過程中通過驗證集進行逐步測試，得到EfficientNet-B5網絡模型訓練的分類器；所述通過EfficientNet-B5初始網絡模型進行分類器的訓練方法如下：

步驟4-1，采用隨機梯度下降的優化算法優化梯度下降過程，通過利用每個樣本的損失函數對優化參數求偏導得到對應梯度來更新，通過每個樣本迭代更新一次找到全局最優解；

步驟4-2，使用交叉熵損失函數，對小于18歲的曲面斷層片樣本和大于18歲的曲面斷層片樣本進行分類，通過使用sigmoid函數獲得輸出的分類結果的概率值；

步驟5，將測試集輸入到通過EfficientNet-B5網絡模型訓練的分類器進行結果測試，通過分類器的測試結果建立是否年滿18歲的評估模型；所述測試的結果通過計算準確率、靈敏性、特異性、精度、預測值和真值的平均絕對誤差來評估。

2.一種采用權利要求1所述基于深度學習技術建立年齡評估模型方法的系統，其特征在于，包括：

采集全口曲面斷層片模塊，用于采集拍攝全口曲面斷層片，記錄每個曲面斷層片樣本的年齡；

劃分全口曲面斷層片數據庫，用于將全口曲面斷層片數據集按照8:1:1的比例劃分成訓練集、驗證集和測試集；

EfficientNet-B5初始網絡模塊，用于通過深度學習技術構建基于EfficientNet的網絡模型，并將其在ImageNet公開數據集上做預訓練，將預訓練的結果模型作為進行分類的EfficientNet-B5初始網絡模型；

EfficientNet-B5網絡模型訓練的分類模塊，用于將訓練集輸入到預訓練好的EfficientNet-B5初始網絡模型中進行分類的訓練學習，在訓練的過程中通過驗證集進行迭代測試與參數優化，得到EfficientNet-B5網絡模型訓練的分類器；

年齡評估模塊，用于將測試集輸入到通過EfficientNet-B5網絡模型訓練的分類器進行結果測試，通過分類器的測試結果評價建立是否年滿18歲的評估模型的性能。

3.一種終端設備，包括存儲器、處理器以及存儲在所述存儲器中并可在所述處理器上運行的計算機程序，其特征在于，所述處理器執行所述計算機程序時實現如權利要求1所述方法的步驟。

4.一種計算機可讀存儲介質，所述計算機可讀存儲介質存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時實現如權利要求1所述方法的步驟。