[发明专利]一种通过面部图片分析预测冠心病发病风险的系统

权利要求书

1.一种通过面部图片分析预测冠心病发病风险的系统，其特征由如下模块组成：

数据采集模块、数据预处理模块、机器学习模块、风险性评估模块、专家系统模块、显示输出模块；

所述的数据采集模块的输出端与数据预处理模块的输入端连接，所述的数据预处理模块的输出端与机器学习模块和风险性评估模块的输入端连接，所述的机器学习模块的输出端与专家系统模块的输入端连接，所述的专家系统模块的输出端与风险性评估模块输入端连接，风险性模块的输出端与显示输出模块的输入端连接；

所述数据采集模块为一数码照相装置；

所述的数据预处理模块负责数据的预处理工作，包含两部分工作，数据清洗、数据标准化，数据清洗负责筛选数据采集模块获取图片，选取其中各角度质量最好的图片，清洗出无效数据和错误数据；数据标准化为去除多余的背景和衣服部分，将图片像素调整为256×256分辨率标准化的RGB图像；

所述机器学习模块包括基础学习模块和深度学习模块，所述基础学习模块利用交叉熵损失函数公式通过反向传播算法对模型的参数进行更新，其中，交叉熵损失函数公式如式（1）所示：

其中，N代表训练样本总数，C为输出类型数，其中C=2，代表患病和不患病两种类型；

和分别代表第n个样本在第c类型上的预测值和真实值；

所述深度学习模块负责解决所述基础学习模块出现的过拟合现象，主要包括：

i. 迁移学习

利用ImageNet数据集上训练好的参数对冠心病诊断模型的参数进行初始化；

ii. 数据增广

通过随机平移、旋转、翻转对输入数据进行增广；

iii. 固定部分参数

训练初始阶段，所有参数参与更新；之后，固定住网络中靠近输入层的参数，只更新网络中靠近输出层的参数；

iv. 其他避免过拟合的方法

网络中引入随机丢弃、批归一化的操作；

所述专家系统模块负责应用C-统计量、灵敏度、特异度、阴性预测值、阳性预测值和判断正确率来验证模型对于冠心病的预测效能；

所述风险性评估模块指基于50层的残差卷积神经网络来构建冠心病诊断模型，在获得模型中各个参数之后，通过输入患者面部分辨率为256×256的三通道RGB图像，输出为两个概率值p1和p2，其总和为1，其大小分别对应患和不患冠心病的风险概率；

所述显示输出模块根据患者的实际判断数据，做出相应的输出；

所述数码照相装置为一两千万以上像素的数码相机或摄像头，设置P档，IOS 1600，连拍模式；

所述数据采集模块收集数据需要满足如下要求：（1）在患者进行冠脉确诊性检查之前拍摄；（2）数据收集时采用白色背景、直射室内光；（3）患者免冠、正常表情、不佩戴饰品、头发避免遮盖面部主要特征；（4）连续拍摄正面、两侧60°及头顶共4个角度照片，每角度3-5张；（5）照片上需高过头顶，下可看到男性喉结处，两侧耳朵轮廓应清晰可见，前额不被遮挡；

所述专家系统模块验证模型对于冠心病的预测效能的方法为：将模型给出的“是否患病”与“真实是否患病”进行对比后得出4个值；

其中，“真阳性”为模型诊断阳性，实际也为阳性；

“假阳性”为模型诊断阳性，实际为阴性；

“真阴性”为模型诊断阴性，实际也为阴性；

“假阴性”：模型诊断阴性，实际阳性；

将上述4个值进行各种加减组合形成评价模型的值：

灵敏度=真阳性/（真阳性+假阴性）；

特异度=真阴性/（真阴性+假阳性）；

阴性预测值=真阴性/（真阴性+假阴性）；

阳性预测值=真阳性/（真阳性+假阳性）；

然后，以“1-特异度”为横坐标，“灵敏度”为纵坐标，作出受试者工作特征曲线，计算曲线下面积得到C统计量，其中，C统计量取值范围0-1，当C统计量≤0.5时表示模型完全不起作用，0.5C统计量≤0.7表示诊断价值较低，0.7C统计量≤0.9表示诊断价值中等，1C统计量0.9表示诊断价值较高。

2.一种终端设备，其特征在于，该终端设备包含存储介质及处理器；其中，所述存储介质存储如权利要求1所述的系统，所述该系统可被至少一个处理器执行，以使所述至少一个处理器执行冠心病发病风险的预测，再将预测结果及相关建议反馈给用户。