[发明专利]基于异构特征融合的冠心病风险预测方法、模型及系统

权利要求书

1.基于异构特征融合的冠心病风险预测系统，其特征在于，包括：

至少一个处理器；

至少一个存储器，用于存储至少一个程序；

当所述至少一个程序被所述至少一个处理器执行，使得所述至少一个处理器实现以下步骤：

获取患者的综合临床数据及五官病理图像；

对患者的五官病理图像进行预处理和相应的特征提取；

将患者的综合临床数据和不同种类的五官病理图像特征输入到训练好的冠心病风险预测模型中，计算获得冠心病风险预测结果；

所述冠心病风险预测模型通过以下步骤训练获得：

S1、从多个来源采集批量病人的病理数据，并进行预处理；所述病人包括患冠心病的患者和未患冠心病的患者；

S2、对预处理后的多个来源的病理数据进行特征提取及筛选，将综合临床数据的特征信息形成综合临床特征集，并对预处理所获得的所有耳朵部位图像进行特征提取及筛选，获得耳朵距离特征集、VGG耳朵特征集和冠状沟病理特征集；其中，所述耳朵距离特征集由所有耳朵关键部位计算得到的耳朵距离特征构成；所述VGG耳朵特征集由降维后的所有耳朵部位图像的局部表象特征构成；所述冠状沟病理特征集由所有耳朵部位图像对应的与冠状沟纹理相关的病理特征构成；

S3、对获得的多个特征集进行特征筛选，对应获得筛选后的多个特征子集；

S4、基于多个特征子集，采用阶段集成学习方法，完成多源异构特征信息的融合，逐步训练获得冠心病风险预测模型；

所述病理数据包括病人的综合临床数据及五官病理图像。

2.根据权利要求1所述的基于异构特征融合的冠心病风险预测系统，其特征在于，所述步骤S1中，通过步骤S111～S113对综合临床数据进行预处理：

S111、采用数据过滤算法对综合临床数据进行剔除处理，剔除信息缺失超过第一预设比例的异常数据项，以及丢失关键数据特征信息的非法数据项；

S112、将剔除处理后的综合临床数据进行结构化处理；

S113、针对结构化处理后的综合临床数据中信息缺失较少的数据项，通过K近邻插值法补充每个数据项的特征信息；

所述步骤S1中，通过步骤S121～S124对五官病理图像进行预处理：

S121、将每张五官病理图像，进行耳朵对象的位置和尺寸标注，最后形成耳朵积极图像集，并获取不包括耳朵对象的背景图像和噪声图像形成耳朵消极图像集；

S122、将耳朵积极图像集和耳朵消极图像集作为训练集，采用特征描述器从训练集的所有图像中提取Haar特征；

S123、基于提取的Haar特征，采用多个Adaboost强分类器进行耳朵分类模型训练，训练获得Haar耳朵级联分类器，并存储该分类器的模型结构和参数；

S124、采用训练获得的Haar耳朵级联分类器对五官病理图像进行耳朵分割操作，获得每张五官病理图像的耳朵部位图像。