[發明專利]特納綜合征診斷模型訓練方法、診斷系統及相關設備

在審

• 申請號: 202011250043.7
• 申請日: 2020-11-10
• 公開（公告）號: CN112382384A
• 公開（公告）日: 2021-02-19
• 發明（設計）人: 牛璐璐;陳適;董西松;潘慧;熊剛;潘周嫻;沈震;梁思宇;朱鳳華;商秀芹;顏軍;王飛躍
• 申請（專利權）人: 中國科學院自動化研究所;中國醫學科學院北京協和醫院
• 主分類號: G16H50/20
• 分類號: G16H50/20;G16H50/70;G06K9/00;G06K9/62
• 代理公司: 北京市恒有知識產權代理事務所(普通合伙) 11576
• 代理人: 郭文浩;尹文會

本發明涉及人工智能與醫療領域，具體涉及一種特納綜合征診斷模型訓練方法、診斷系統及相關設備，旨在提高準確率。本發明的特納綜合征診斷分類模型的訓練方法包括：根據數據樣本的標注信息對輸入的圖像樣本進行分類，并按預設的比例生成相應的訓練樣本及測試樣本；基于多種神經網絡基礎分別構建不同的初始醫療分類模型；將訓練樣本分別輸入每個初始醫療分類模型進行訓練和調整參數，得到對應的智能診斷醫療分類模型；將測試樣本分別輸入每個智能診斷醫療分類模型進行分類并根據分類結果選定特納綜合征診斷分類模型。本發明的診斷系統包含了上述方法訓練得到的診斷分類模型，將不同角度照片里的同一部位關聯起來，提取更多潛在特征，提高了準確率。

技術領域

本發明涉及人工智能與醫療領域，具體涉及一種特納綜合征診斷模型訓練方法、診斷系統及相關設備。

背景技術

特納綜合征(Turner Syndrome,TS)是由于女性的全部或部分體細胞中一條X染色體缺失以及結構異常所導致的一種疾病，其發生率在存活女嬰中占1/3000～1/2000，是女性最常見的染色體疾病。

目前，確診特納綜合征一般采用染色體核型分析的方法，良好的核型分析至少應檢測30個細胞。核型分析是一種操作繁瑣、價格昂貴且周期較長的診斷方法，基層醫院常不具備完成該檢查的技術實力。

特納綜合征患者常有特異性的人臉改變，如內眥贅皮、多色素痣、發際線低、低位耳、高腭弓、小下頜、頸蹼等，有經驗的醫生在遇到上述就診患者時，可由患兒的外貌特征考慮到其患有特納綜合征的可能，進而采取進一步的檢查、檢驗措施。然而，由于基層醫生對特納綜合征缺乏認識和敏感性，在日常工作中即使面對特納綜合征患兒，也很難根據其臨床表現意識到患兒可能是特納綜合征患者。

在醫學人臉診斷應用中，人臉識別軟件通過提取患者臉部特定標志點的測量數據，分析患者臉部模式并與疾病數據庫進行比對，確定患者的疾病類型。相較于二維人臉，三維人臉模型真實反映了顱面部在三維空間中的形象，能夠體現各面部特征之間的空間關系，在信息深度上更勝一籌，且能夠克服光線、角度等問題引起的誤差；但是，目前三維的數據量較少，尚無標準化的特征點定位和提取方法，而且直接對三維數據進行卷積操作難度較大，準確率較低。

發明內容

為了解決現有技術中的上述問題，本發明提出了一種特納綜合征診斷模型訓練方法、診斷系統及相關設備，克服了現有的特納綜合征診斷流程繁瑣、確診時間較晚等問題，具有較高的準確率、敏感性和特異性。

本發明的第一方面，提出一種特納綜合征診斷分類模型的訓練方法，所述方法包括：

根據數據樣本的標注信息對輸入的圖像樣本進行分類，并按預設的比例生成相應的訓練樣本及測試樣本；

基于多種神經網絡基礎分別構建不同的初始醫療分類模型；

將所述訓練樣本分別輸入每個所述初始醫療分類模型進行訓練和調整參數，得到對應的智能診斷醫療分類模型；

將所述測試樣本分別輸入每個所述智能診斷醫療分類模型進行分類，并根據分類結果選定特納綜合征診斷分類模型。

優選地，“基于多種神經網絡基礎分別構建不同的初始醫療分類模型”的步驟包括：

基于MVCNN(Multi-view Convolutional Neural Network)和GVCNN(Group-viewConvolutional Neural Network)分別構建相應的初始醫療分類模型。

優選地，“根據分類結果選定特納綜合征診斷分類模型”的步驟包括：

根據下式分別計算每個所述智能診斷醫療分類模型的準確率：

ACC＝(TP+TN)/(TP+TN+FP+FN)×100％