[发明专利]基于基因数据和生成对抗卷积神经网络的面型预测方法

说明书

本发明公开了一种基于基因数据和生成对抗卷积神经网络的面型预测方法，包括以下步骤：S1：对人体颅骨CT扫描图进行数据预处理，并结合相应的基因数据，制作数据集；S2：搭建卷积神经网络；S3：使用训练样本训练步骤S2中搭建好的卷积神经网络，每训练四轮，便用模型对检测样本进行检测，评判生成的预测面型；S4：选取步骤S4中效果最好的一轮作为最终结果。本发明利用深度学习技术，通过卷积神经网络自动提取特征，模型只需要输入基因序列，就可以在很短的时间内计算出基因所对应的完整面部形态，实现端到端的预测。在提高了预测效率的同时，保证了可观的预测准确率。

技术领域

本发明属于遗传医学领域，结合计算机技术，涉及一种基于基因数据的面型预测方法。

背景技术

通过基因预测人体的面部形态在刑侦以及法医领域一直是研究的热点，然而传统的算法算力有限，难以完全发掘出基因数据与面部形态之间复杂的关联性。

目前传统的基于基因预测面部形态的方法主要还是使用机器学习的一些算法，有很多的手工交互工作，例如需要对大量的数据进行手动标记，人工进行数据清理等，不仅处理流程复杂，能够提取到的特征信息也非常有限。

发明内容

为解决上述问题，本发明提出了一种基于基因数据和生成对抗卷积神经网络的面型预测方法，利用深度学习技术，通过卷积神经网络自动提取特征，模型只需要输入基因序列，就可以在很短的时间内计算出基因所对应的完整面部形态，实现端到端的预测。在提高了预测效率的同时，保证了可观的预测准确率。

为了达到上述目的，本发明提供如下技术方案：

基于基因数据和生成对抗卷积神经网络的面型预测方法，包括如下步骤：

S1：根据人体颅骨CT扫描图像和基因数据制作数据集，并选择训练样本和测试样本；

S2：利用生成器子网络G(x)与判别器子网络D(x)搭建卷积神经网络；

S3：使用训练样本训练步骤S2中搭建好的卷积神经网络，每训练四轮，便用模型对检测样本进行检测，评判生成的预测面型；

S4：选取步骤S3中效果最好一轮对应的模型作为最终结果。

进一步的，所述步骤S1具体包括如下子步骤：

S1.1：对颅骨CT图像进行阈值分割，得到三维面型点云数据；

S1.2：参考已经发表的与面部特征相关联的基因位点，得到样本的基因数据集；

S1.3：对步骤S1.1中得到的三维面型点云数据进行标准化处理后，柱体投影得到二维人脸高程图；

S1.4：通过下式对S1.3得到的二维人脸高程图在像素值上求平均：

其中x_i代表二维人脸高程图，M代表得到的平均脸人脸高程图；

S1.5：划分训练集与测试集，训练集中为正样本对、不匹配样本对、负样本对，测试集中样本包括M、人脸高程图及其对应的基因数据。

进一步的，所述步骤S1.1包括如下子步骤：

S1.1.1：对于CT扫描图的每一层，使用反锐化掩膜算法对图像进行边缘增强，设置参数α；

S1.1.2：使用一个滑动窗口对图像进行阈值分割处理；