申请/专利权人：天津医科大学朱宪彝纪念医院(天津医科大学代谢病医院、天津代谢病防治中心)

申请日：2021-11-11

公开（公告）日：2024-06-21

公开（公告）号：CN114038564B

主分类号：G16H50/30

分类号：G16H50/30;G16H50/50;A61B5/00;G06V40/16;G06N3/0464;G06N3/09

优先权：

专利状态码：有效-授权

法律状态：2024.06.21#授权;2022.03.01#实质审查的生效;2022.02.18#著录事项变更;2022.02.11#公开

摘要：本发明公开了一种糖尿病无创风险预测方法，属于智能医疗领域，包括下列步骤：招募受试者，构建包含糖尿病病人和健康人人脸图像的数据集；进行图像预处理；定位人脸图像特征点，将关键区域裁剪、拼接并标记相对应的诊断信息；将标记好的样本数据集随机划分为训练集、验证集、测试集；构建残差注意力网络，对样本进行有监督的机器学习；根据验证集上的性能进行模型调参，基于测试集上的判别效果评估模型的泛化能力，采用交叉验证的方法得到性能良好的风险预测模型。本发明构建的风险预测模型能够通过分析受试者面部图像特征，进行快速、无创、准确的糖尿病风险预测，为糖尿病的大范围筛查、辅助诊断提供了一种新方法。

主权项：1.一种糖尿病无创风险预测方法，其特征在于，该方法包括以下内容：获取或构建包含糖尿病病人和健康人人脸图像的数据集，对数据集中的图像样本进行预处理，定位出人脸图像特征点，获得多个关键区域，将关键区域裁剪、拼接并标记糖尿病诊断信息，获得标记好的样本数据集；构建残差注意力网络，对标记好的样本进行有监督的机器学习，通过训练调参后获得糖尿病无创风险预测模型；所述残差注意力网络为采用pytorch机器学习库搭建的56层的残差注意力网络，具体的网络架构是：标记好的样本图像被输入残差注意力网络，首先经第一个卷积层和最大池化层进行1次卷积和最大池化操作，然后穿插的经过3个残差单元和3个注意力模块，3个残差单元分别记为第一个残差单元、第二个残差单元和第三残差单元，再经过平均池化操作后到达全连接层，最终使用归一化指数函数Softmax连接残差注意力网络末端的全连接层进行糖尿病风险预测，输出预测结果；每一个注意力模块分成两个分支，一个分支叫主分支，另一分支是软掩码分支，特征图首先经过1个残差单元进行预处理操作，然后分别进入主分支和软掩码分支，主分支主要包括2个串联的残差单元，软掩码分支包含快速前馈扫描和自上而下反馈两个步骤，特征图先经过两次下采样操作增大感受野，达到最低分辨率后，再通过相同数量的上采样操作将特征图的尺寸放大到与输入的原始特征图一致形成注意力特征图，紧接着接2个1×1的卷积层，最后通过sigmoid激活函数得到混合域的注意力；此外，在下采样和上采样之间添加了跳跃连接，以融合不同比例特征图的特征信息；软掩码分支的输出先与主分支输出进行矩阵相乘，其结果再与主分支输出进行矩阵相加，最后再经过p个残差单元即得到注意力模块的输出；注意力模块中的残差单元采用bottleneck结构。

全文数据：

权利要求：

百度查询： 天津医科大学朱宪彝纪念医院(天津医科大学代谢病医院、天津代谢病防治中心) 一种糖尿病无创风险预测方法

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