[發明專利]基于深度學習的肥胖癥遠紅外圖像證候分型方法和系統

在審

• 申請號: 202011634531.8
• 申請日: 2020-12-31
• 公開（公告）號: CN112819750A
• 公開（公告）日: 2021-05-18
• 發明（設計）人: 宋昌梅;張在文;孫林林
• 申請（專利權）人: 北京鷹之眼智能健康科技有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T5/00;G06T7/10;G06K9/46;G06K9/62;G16H30/40;G16H50/20;A61B5/00
• 代理公司: 北京云科知識產權代理事務所(特殊普通合伙) 11483
• 代理人: 張飆

1.一種基于深度學習的肥胖癥遠紅外圖像證候分型方法，其特征在于，包括以下步驟：

步驟一、中醫證候診斷：采集信息，對肥胖患者四診信息進行分析，并進行辨證分型；

步驟二、紅外熱成像圖像標記：肥胖患者紅外圖像；根據診斷信息做出的中醫證候分型結果，對紅外熱成像圖像進行標注，注明圖像所對應的中醫證候診斷結果；對每個證候類別獲取足夠數量的案例數據；

步驟三、證候判別模型訓練：在模型訓練階段，先對患者的紅外圖像進行預處理，通過卷積神經網絡對圖像信息進行特征提取，進行算法分析，形成證候判別模型；

步驟四、自動化診斷：向模型輸入一份肥胖患者紅外熱成像圖像，經過計算機對圖像特征進行分析，最終自動輸出證候診斷結果。

2.根據權利要求1所述的基于深度學習的肥胖癥遠紅外圖像證候分型方法，其特征在于，步驟一中采集信息的研究對象為BMI≥24或男性腰圍≥90cm、女性腰圍≥85cm的超重和肥胖患者。

3.根據權利要求2所述的基于深度學習的肥胖癥遠紅外圖像證候分型方法，其特征在于，步驟一中通過標準格式收集肥胖患者的四診信息，并進行辨證分型，肥胖證候類型包括脾虛不運、脾腎陽虛、胃火熾盛、肝郁氣滯、痰濕瘀阻等。

4.根據權利要求1所述的基于深度學習的肥胖癥遠紅外圖像證候分型方法，其特征在于，步驟二中，根據肥胖患者的四診信息及舌象做出的中醫證候分型結果，對紅外熱成像圖像進行標注；一份圖像可包含1個及以上的證候分型。

5.根據權利要求1所述的基于深度學習的肥胖癥遠紅外圖像證候分型方法，其特征在于，步驟三中，預處理包括圖像去噪和圖像分割；通過人體溫度分布、和各器官與周圍組織的溫度差異分析，再對圖像信息特征進行提取、分析，進行算法分析，形成證候判別模型，最終實現自動化診斷；其中特征提取和分析是基于神經網絡算法模型通過對大量肥胖紅外熱成像數據進行深度學習，使得算法模型有自動辨識中醫證候的能力。

6.根據權利要求5所述的基于深度學習的肥胖癥遠紅外圖像證候分型方法，其特征在于，神經網絡算法模型采用的是卷積神經網絡，其中包括卷積Convolution、池化Pooling、激活Activation、殘差連接Skip Connect、和Dropout網絡層級；將通過神經網絡各層得到的溫度數據的高階特征形成算法模型后，再經過多次邏輯校驗穩定模型的準確率。

7.一種基于深度學習的肥胖癥遠紅外圖像證候分型系統，其特征在于，采用權利要求1-6所述的基于深度學習的肥胖癥遠紅外圖像證候分型方法實現；

包括采集模塊，所述采集模塊用于采集信息，對肥胖患者四診信息進行分析，并進行辨證分型；

紅外熱成像模塊，通過紅外熱成像儀獲取肥胖患者的紅外熱成像圖像信息，根據診斷信息做出的中醫證候分型結果，對紅外熱成像圖像進行標注，注明圖像所對應的中醫證候診斷結果；對每個證候類別獲取足夠數量的案例數據；

算法模塊，在模型訓練階段，通過對患者的紅外圖像進行預處理，通過卷積神經網絡對圖像進行特征提取，進行算法分析，形成證候判別模型；向模型輸入一份肥胖患者紅外熱成像圖像，經過計算機對圖像特征進行分析，最終自動輸出證候診斷結果。

8.根據權利要求7所述的基于深度學習的肥胖癥遠紅外圖像證候分型系統，其特征在于，通過四診合參判斷的中醫證候分型對紅外熱成像圖像進行標注，收集肥胖患者的四診信息，并進行辨證分型。

9.根據權利要求8所述的基于深度學習的肥胖癥遠紅外圖像證候分型系統，其特征在于，肥胖證候類型包括脾虛不運、脾腎陽虛、胃火熾盛、肝郁氣滯、痰濕瘀阻等。