[發(fā)明專利]一種基于舌象和深度殘差卷積神經(jīng)網(wǎng)絡(luò)的糖尿病預(yù)測方法

在審

• 申請?zhí)枺?/td>: 202011135277.7
• 申請日: 2020-10-21
• 公開（公告）號: CN112349427A
• 公開（公告）日: 2021-02-09
• 發(fā)明（設(shè)計）人: 許家佗;屠立平;崔驥;李軍;胡曉娟;江濤
• 申請（專利權(quán)）人: 上海中醫(yī)藥大學(xué)
• 主分類號: G16H50/80
• 分類號: G16H50/80;G16H50/30;G16H20/90;G06T7/00;G06T7/90;G06N3/04;G06N3/08
• 代理公司: 上海申新律師事務(wù)所 31272
• 代理人: 吳軼淳

本發(fā)明公開了一種基于舌象和深度殘差卷積神經(jīng)網(wǎng)絡(luò)的糖尿病預(yù)測方法，屬于醫(yī)療領(lǐng)域，包括：構(gòu)建舌象數(shù)據(jù)集；進(jìn)行預(yù)處理；將舌象圖片分類并標(biāo)記；將標(biāo)記好的舌象數(shù)據(jù)集劃分為訓(xùn)練集，驗(yàn)證集，測試集；構(gòu)建深度殘差卷積神經(jīng)網(wǎng)絡(luò)，使用深度殘差卷積神經(jīng)網(wǎng)絡(luò)對訓(xùn)練集中的舌象圖片進(jìn)行訓(xùn)練，得到風(fēng)險預(yù)測模型；根據(jù)驗(yàn)證集和測試集中的舌象圖片分別對風(fēng)險預(yù)測模進(jìn)行測試和評估。本發(fā)明的有益效果在于：基于Resnet網(wǎng)絡(luò)利用深度殘差構(gòu)建模型，避免出現(xiàn)梯度下降及梯度消失的問題，削減信息冗余，減少迭代次數(shù)，準(zhǔn)確率高、穩(wěn)定；同時僅需一張舌象圖片，即可判斷出受試者患糖尿病的發(fā)展?fàn)顩r或糖尿病前期的風(fēng)險概率，耗時短。

技術(shù)領(lǐng)域

本發(fā)明涉及醫(yī)療領(lǐng)域，尤其涉及一種基于舌象和深度殘差卷積神經(jīng)網(wǎng)絡(luò)的糖尿病預(yù)測方法。

背景技術(shù)

舌象包括舌質(zhì)和舌苔變化，舌質(zhì)又稱舌體，主要包括動作、形狀、顏色等方面，舌苔變化主要包括顏色、質(zhì)地等方面的變化情況，中醫(yī)師通過肉眼觀察舌質(zhì)和舌苔的變化來判斷人體的健康狀況、疾病的發(fā)展變化，例如是否有胃病、糖尿病等。糖尿病是一種發(fā)病率非常高的慢性非傳染性疾病，無早期診斷或正規(guī)治療的糖尿病患者可能存在多個系統(tǒng)的并發(fā)癥，嚴(yán)重危及了患者的生命安全。根據(jù)2013年的全國大普查可知，糖尿病患病率已經(jīng)達(dá)到10.9％，其中4％的人患有糖尿病病史，盡管HbA1c的糖尿病診斷標(biāo)準(zhǔn)已經(jīng)放寬，但依然有6.9％的新糖尿病患者。糖尿病前期是預(yù)防糖尿病的關(guān)鍵時期。因此，篩查人群中尚未被診斷的糖尿病患者十分有必要，能夠讓糖尿病患者盡早接受正規(guī)的治療，避免發(fā)生其他系統(tǒng)的并發(fā)癥。

目前，傳統(tǒng)的糖尿病風(fēng)險預(yù)測模型需要先進(jìn)行有創(chuàng)檢查才能進(jìn)行預(yù)測，需要檢查多維的數(shù)據(jù)才能進(jìn)行預(yù)測，檢查數(shù)據(jù)的要求較為嚴(yán)格，實(shí)施條件苛刻，同時糖尿病風(fēng)險預(yù)測模型隨著神經(jīng)網(wǎng)絡(luò)的層數(shù)不斷加深，會出現(xiàn)梯度下降及梯度消失等問題，對模型的預(yù)測準(zhǔn)確率和穩(wěn)定性造成極大的影響，因此針對以上問題，迫切需要設(shè)計出一種基于舌象和深度殘差卷積神經(jīng)網(wǎng)絡(luò)的糖尿病預(yù)測方法，以滿足實(shí)際使用的需要。

發(fā)明內(nèi)容

為了解決以上技術(shù)問題，本發(fā)明提供了一種基于舌象和深度殘差卷積神經(jīng)網(wǎng)絡(luò)的糖尿病預(yù)測方法。

本發(fā)明所解決的技術(shù)問題可以采用以下技術(shù)方案實(shí)現(xiàn)：

本發(fā)明提供一種基于舌象和深度殘差卷積神經(jīng)網(wǎng)絡(luò)的糖尿病預(yù)測方法，包括：

步驟S1，構(gòu)建舌象數(shù)據(jù)集，所述舌象數(shù)據(jù)集包括多張舌象圖片及每張所述舌象圖片對應(yīng)的診斷結(jié)果；

步驟S2，對所述舌象數(shù)據(jù)集中的所有所述舌象圖片進(jìn)行預(yù)處理；

步驟S3，將處理后的所述舌象圖片按照所述診斷結(jié)果進(jìn)行分類并標(biāo)記，得到所述舌象圖片對應(yīng)的舌象數(shù)據(jù)；

步驟S4，將標(biāo)記好的所述舌象數(shù)據(jù)集劃分為訓(xùn)練集，驗(yàn)證集，測試集；

步驟S5，構(gòu)建深度殘差卷積神經(jīng)網(wǎng)絡(luò)，使用所述深度殘差卷積神經(jīng)網(wǎng)絡(luò)對所述訓(xùn)練集中的所述舌象圖片進(jìn)行訓(xùn)練，得到風(fēng)險預(yù)測模型；

步驟S6，根據(jù)所述驗(yàn)證集中的所述舌象圖片對所述風(fēng)險預(yù)測模型進(jìn)行測試；以及

根據(jù)所述測試集中的所述舌象圖片對所述風(fēng)險預(yù)測模型進(jìn)行評估。

優(yōu)選地，所述步驟S2包括：

步驟S21，根據(jù)一預(yù)設(shè)的圖像調(diào)整比例，得到一圖像尺寸；

步驟S22，根據(jù)所述圖像尺寸調(diào)整所述舌象圖片的尺寸；

步驟S23，將調(diào)整尺寸后的所述舌象圖片粘貼到一空白畫布，并處理得到基于紅、綠、藍(lán)三種顏色的色彩空間中的圖像；

步驟S24，分別對所述步驟S23中的圖像進(jìn)行歸一化處理。

優(yōu)選地，于訓(xùn)練所述風(fēng)險預(yù)測模型之前，對所述深度殘差卷積神經(jīng)網(wǎng)絡(luò)的參數(shù)進(jìn)行初始化。