申请/专利权人：华中科技大学同济医学院附属同济医院

申请日：2024-04-03

公开（公告）日：2024-06-14

公开（公告）号：CN117994251B

主分类号：G06T7/00

分类号：G06T7/00;G06V10/764;G06V10/774;G06V10/82;G06V40/16;G16H30/20;A61B5/00

优先权：

专利状态码：有效-授权

法律状态：2024.06.14#授权;2024.05.24#实质审查的生效;2024.05.07#公开

摘要：本发明属于糖尿病足评估领域，具体是指一种基于人工智能的糖尿病足溃疡严重程度评估方法及系统，方法包括标注数据、构建模型、小目标增强、迭代循环、标签分配、校正调优和评估分类。本方案采用的构建基于FCOS框架的轻量目标检测网络，采用以MobileNetV3作为骨干网络的特征金字塔网络，提高效率缩减时间，通过轻量化骨干网以降低计算成本；采用单点无头人脸检测器作为小目标增强模块，增强对小目标的关注，从而提高类似糖尿病足溃疡的小型目标的检测能力；采用标签分配策略来确定突出特征，并引入了中心校正机制，使预测的边界框更接近真实边界，进一步提高了检测精度。

主权项：1.一种基于人工智能的糖尿病足溃疡严重程度评估方法，其特征在于：该方法包括以下步骤：步骤S1：标注数据，采集目标检测数据集，数据集包括训练图像、真实边界框和分类标签，所述分类标签包括轻度溃疡、中度溃疡、重度溃疡和危重溃疡；步骤S2：构建模型，构建基于FCOS框架的目标检测模型，采用以MobileNetV3作为骨干网络的特征金字塔网络，提取多尺度特征图像；步骤S3：小目标增强，通过在多尺度特征图像上进行密集采样获取锚点，采用单点无头人脸检测器识别糖尿病足溃疡小型伤口，将骨干网络最后三层输出的特征图作为单点无头人脸检测器的输入，单点无头人脸检测器根据锚点和特征图，输出虚拟边界框；步骤S4：迭代循环，训练目标检测模型，计算基于角度的配置项和损失函数，采用梯度下降法优化目标检测模型；步骤S5：标签分配，医生将患者糖尿病足溃疡的照片作为输入数据上传至目标检测模型，通过FreeAnchor标签分配策略，目标检测模型对每个正样本锚点进行分类和定位，输出糖尿病足溃疡的预测边界框和所属分类；步骤S6：校正调优，采用注意力机制对预测边界框进行校准和调优操作；步骤S7：评估分类，计算每个正样本的预测边界框与真实边界框之间的置信度分数，取匹配概率最大的预测边界框、置信度分数和所属分类作为评估糖尿病足溃疡严重程度的输出；在步骤S4中，所述计算基于角度的配置项和损失函数，包括以下步骤：步骤S41：将真实边界框的中心点定义为地面真实中心，记为；步骤S42：计算地面真实中心和虚拟边界框的中心点之间角度值损失配置项，公式如下： ；式中，表示角度值损失配置项，表示倾斜角度，表示和之间的距离，表示水平方向的夹角，和表示角度值损失配置项的权重参数，表示求解的余弦值的幅角，表示求解的正弦值的幅角；步骤S43：将角度值损失配置项加入到损失函数中，形成优化后的损失函数，公式如下： ；式中，表示优化后的损失函数，表示原始的损失函数。

全文数据：

权利要求：

百度查询： 华中科技大学同济医学院附属同济医院 基于人工智能的糖尿病足溃疡严重程度评估方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD