[發明專利]一種基于人工智能的困難氣道評估方法及裝置

有效

• 申請號: 202110300891.2
• 申請日: 2021-03-22
• 公開（公告）號: CN113069080B
• 公開（公告）日: 2021-12-21
• 發明（設計）人: 夏明;姜虹;林志良;鄭堯坤;王杰;周韌;徐天意;曹爽
• 申請（專利權）人: 上海交通大學醫學院附屬第九人民醫院;上海交通大學
• 主分類號: A61B5/00
• 分類號: A61B5/00
• 代理公司: 上海泰能知識產權代理事務所(普通合伙) 31233
• 代理人: 錢文斌

本發明涉及一種基于人工智能的困難氣道評估方法和裝置，方法包括以下步驟：獲取各種姿勢的面部圖像；構建基于面部識別的特征提取網絡，通過訓練好的所述特征提取網絡提取所述面部圖像的特征信息；構建基于機器學習算法的困難氣道分類器，通過訓練好的困難氣道分類器對提取的所述面部圖像的特征信息進行困難氣道嚴重程度評分，得到困難氣道的評估結果。本發明能夠精準的對臨床麻醉中困難氣道做出預警。

技術領域

本發明涉及計算機輔助技術領域，特別是涉及一種基于人工智能的困難氣道評估方法及裝置。

背景技術

氣管插管是麻醉醫生對全身麻醉狀態下的患者進行氣道管理的重要手段，在保持氣道通暢、通氣供氧、呼吸支持、維持氧合等方面起到了重要的作用。然而，盡管氣管插管技術和設備有了很大的進步和改進，但是困難氣道導致的圍手術期并發癥和傷殘的發生率并沒有得到很好的改善，特別是對于未預知的困難氣道。目前，評估困難氣道的方法一般包括Mallampatti分級、LEMON評分、Wilson評分、頸部放療史及輔助CT、MRI、US等，過程復雜且陽性評估值不高，均存在一定局限性。

發明內容

本發明所要解決的技術問題是提供一種基于人工智能的困難氣道評估方法及裝置，能夠精準的對臨床麻醉中困難氣道做出預警。

本發明解決其技術問題所采用的技術方案是：提供一種基于人工智能的困難氣道評估方法，包括以下步驟：

(1)獲取各種姿勢的面部圖像；

(2)構建基于面部識別的特征提取網絡，通過訓練好的所述特征提取網絡提取所述面部圖像的特征信息；

(3)構建基于機器學習算法的困難氣道分類器，通過訓練好的困難氣道分類器對提取的所述面部圖像的特征信息進行困難氣道嚴重程度評分，得到困難氣道的評估結果。

所述步驟(1)中各種姿勢的面部圖像為能夠反映困難氣道的姿態圖像，包括正面中立位面部圖像、抿嘴微笑面部圖像、仰頭面部圖像、低頭面部圖像、左側面面部圖像、右側面面部圖像、張口不伸舌面部圖像、張口伸舌面部圖像和下牙齒咬上嘴唇面部圖像。

所述步驟(2)中采用深度學習特征提取網絡，所述深度學習特征提取網絡由m層神經網絡構成，每層網絡為卷積層、池化層、轉置卷積層、全連接層中的若干種，且第i層和第j層有連接，其中，1i,jm，網絡對輸出的圖像進行編碼，輸出對應于每個患者的特征。

面部識別任務的損失函數采用人臉識別損失函數，所述人臉識別損失函數采用ArcFace損失函數，所述ArcFace損失函數為：其中，s為人工設置的參數，W_j為所述深度學習特征提取網絡中第j層神經網絡的權重，x_i為所述深度學習特征提取網絡中第i層神經網絡的輸入特征，m為所述深度學習特征提取網絡中神經網絡的層數。

所述步驟(3)中的困難氣道分類器在進行訓練時，以科馬克-漢勒評分為Ⅰ-Ⅱ級患者的面部特征與困難氣道相關性為0分，以科馬克-漢勒評分為Ⅲ-Ⅳ級患者的面部特征與困難氣道相關性為1分，作為分類器的輸出結果，所述面部圖像的特征信息以及患者的身高、年齡、體重信息作為輸入。

困難氣道分類器為基于決策樹的模型，決策樹根據增益最大的原則進行分裂，直到達到終止條件為止。困難氣道分類器可以采用多顆決策樹進行集成，對多顆決策樹的結果進行投票表決，得到最終的評估結果。

本發明解決其技術問題所采用的技術方案是：提供一種基于人工智能的困難氣道評估裝置，包括：圖像信息獲取模塊：用于獲取各種姿勢的面部圖像；數據記錄模塊，用于存儲所述面部圖像以及困難氣道信息；特征提取模塊，用于構建基于面部識別的特征提取網絡，通過訓練好的所述特征提取網絡提取所述面部圖像的特征信息；評估模塊，用于構建基于機器學習算法的困難氣道分類器，通過訓練好的困難氣道分類器對提取的所述面部圖像的特征信息進行困難氣道嚴重程度評分，得到困難氣道的評估結果。