[發(fā)明專利]一種基于深度學(xué)習(xí)算法的小兒視力障礙篩查系統(tǒng)及方法

在審

• 申請?zhí)枺?/td>: 202011110615.1
• 申請日: 2020-10-16
• 公開（公告）號: CN112163556A
• 公開（公告）日: 2021-01-01
• 發(fā)明（設(shè)計）人: 馮奕樂;黨康;丁曉偉;張政;邱可昕
• 申請（專利權(quán)）人: 蘇州體素信息科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G16H50/20;G06N3/04
• 代理公司: 上海段和段律師事務(wù)所 31334
• 代理人: 李佳俊;郭國中

1.一種基于深度學(xué)習(xí)算法的小兒視力障礙篩查方法，其特征在于，包括：

步驟M1：獲取一段兒童上半身的視頻；

步驟M2：對視頻進行實時解析，利用質(zhì)量控制算法，提取出視頻中符合預(yù)設(shè)要求的高質(zhì)量片段，并利用人臉的關(guān)鍵點信息，裁剪出高質(zhì)量的面部片段和眼部片段；

步驟M3：利用面部片段信息和眼部片段信息分別訓(xùn)練面部分類網(wǎng)絡(luò)和眼部分類網(wǎng)絡(luò)，直至損失函數(shù)收斂，得到訓(xùn)練后的面部分類網(wǎng)絡(luò)和眼部分類網(wǎng)絡(luò)；

步驟M4：使用訓(xùn)練后的面部分類網(wǎng)絡(luò)和眼部分類網(wǎng)絡(luò)，為每一個面部數(shù)組和眼部數(shù)組編碼，得到相應(yīng)的患有眼部疾病的概率；

步驟M5：將通過面部分類網(wǎng)絡(luò)得到的患有眼部疾病的概率和通過眼部分類網(wǎng)絡(luò)得到的患有眼部疾病的概率進行集成，最終輸出兒童是否患有視力障礙的陰陽性判斷結(jié)果；

所述面部分類網(wǎng)絡(luò)和眼部分類網(wǎng)絡(luò)是基于ResNet-18架構(gòu)搭建兩套架構(gòu)相同的視頻分類網(wǎng)絡(luò)，根據(jù)面部數(shù)組和眼部數(shù)組得到相應(yīng)的眼部疾病的概率。

2.根據(jù)權(quán)利要求1所述的基于深度學(xué)習(xí)算法的小兒視力障礙篩查方法，其特征在于，所述步驟M2包括：

步驟M2.1：對輸入視頻進行逐幀的抽取，形成視頻幀；

步驟M2.2：將抽取的視頻幀輸入到人臉關(guān)鍵點提取網(wǎng)絡(luò)，得到人臉的關(guān)鍵點信息；

步驟M2.3：利用人臉的關(guān)鍵點信息，進行二維變換，得到人臉朝向的偏航角；

步驟M2.4：當人臉朝向的偏航角超過預(yù)設(shè)值時，則認為為低質(zhì)量視頻幀，進行刪除處理，將剩余連續(xù)的高質(zhì)量視頻幀拼合，組成高質(zhì)量的片段；

步驟M2.5：根據(jù)人臉的關(guān)鍵點信息，裁剪出高質(zhì)量片段中兒童的面部和雙眼部分，得到高質(zhì)量的面部片段和眼部片段。

3.根據(jù)權(quán)利要求1所述的基于深度學(xué)習(xí)算法的小兒視力障礙篩查方法，其特征在于，所述步驟M3包括：

步驟M3.1：將每個面部片段和眼部片段的信息讀取為四維數(shù)組，四個維度分別為高、寬、色彩以及時間；

步驟M3.2：對每個像素進行歸一化處理，并統(tǒng)一縮放至預(yù)設(shè)分辨率，得到歸一化后的面部數(shù)組和眼部數(shù)組；

步驟M3.3：基于ResNet-18架構(gòu)搭建兩套架構(gòu)相同的視頻分類網(wǎng)絡(luò)，分別為面部分類網(wǎng)絡(luò)和眼部分類網(wǎng)絡(luò)；

步驟M3.4：基于歸一化后的面部數(shù)組和眼部數(shù)組，利用Adam優(yōu)化算法分別訓(xùn)練面部分類網(wǎng)絡(luò)和眼部分類網(wǎng)絡(luò)，直至相應(yīng)的損失函數(shù)收斂，得到訓(xùn)練后的面部分類網(wǎng)絡(luò)和眼部分類網(wǎng)絡(luò)。

4.根據(jù)權(quán)利要求3所述的基于深度學(xué)習(xí)算法的小兒視力障礙篩查方法，其特征在于，所述視頻分類網(wǎng)絡(luò)包括：多個卷積層、全連接層、時間維度池化、全連接層、ReLU層、全連接層和sigmoid層；

面部數(shù)組或眼部數(shù)組依次通過多個卷積層、全連接層、時間維度池化、全連接層、ReLU層、全連接層和sigmoid層，得到患有眼部疾病的概率。