[发明专利]基于人脸面容的辅诊方法、装置、电子设备及存储介质

说明书

本发明涉及人工智能技术，揭露了一种基于人脸面容的辅诊方法，包括：对原始面容图像集中的面容图像进行降噪处理，得到面容降噪图像集，利用预训练的生成模型对面容降噪图像集中的图像进行面容几何归一化处理，得到面容几何图像集，利用预设的光损耗法述面容几何图像集中的图像进行灰度归一化处理，得到标准面容图像集，利用标准面容图像集训练预构建的面容分类模型，得到面容辅诊模型，利用面容辅诊模型对待分类面容图像进行分类，得到分类辅诊结果。此外，本发明还涉及区块链技术，所述分类辅诊结果可存储在区块链的节点中。本发明还提出一种基于人脸面容的辅诊装置、电子设备以及计算机可读存储介质。本发明可以解决辅诊准确率较低的问题。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种基于人脸面容的辅诊方法、装置、电子设备及计算机可读存储介质。

背景技术

传统的医疗辅诊系统，主要是以专业医生依自身知识为主体，为患者提供辅诊服务，在此类基础的辅诊系统中，因为医生资源的有限、医生自身经历的有限以及患者对病症的描述的不足，往往容易导致辅诊效率低下，甚至出现辅诊错误，延误患者的最佳治疗时间，同时因为需要面对面的问诊，往往容易加大传染病的传染性。

随着人工智能算法的出现，同时2019年新冠肺炎疫情的持续发酵，无接触式智能问诊被推到了风口浪尖上，一种新的无需面对面问诊的辅诊系统——基于专家系统技术的辅诊系统出现了，该类辅诊系统结合自然语言处理技术以及专业医生的判断依据等，根据患者不同的输入或者依据患者对不同病症的选择，进而提供下一个可能的病症供患者继续选择，如此一步步深入，直至患者所选择或输入的病症足以让系统判断患者的疾病后，给予专业医生合理的辅诊资料。然而，这些辅诊系统依旧需要患者对自身的病症描述以及对病症知识有较好的理解，同时配以专家医生事先设定的病症判断选项来一步步引导患者，虽然很好提高了传统人工辅诊系统的辅诊效率，但依旧对患者的病症描述有较大的依赖，容易因患者对病症知识的不了解而导致诊断准确率较低。

发明内容

本发明提供一种基于人脸面容的辅诊方法、装置及计算机可读存储介质，其主要目的在于解决辅诊准确率较低的问题。

为实现上述目的，本发明提供的一种基于人脸面容的辅诊方法，包括：

对原始面容图像集中的面容图像进行降噪处理，得到面容降噪图像集；

利用预训练的生成模型对所述面容降噪图像集中的图像进行面容几何归一化处理，得到面容几何图像集；

利用预设的光损耗法对所述面容几何图像集中的图像进行灰度归一化处理，得到标准面容图像集；

利用所述标准面容图像集训练预构建的面容分类模型，得到面容辅诊模型；

利用所述面容辅诊模型对待分类面容图像进行分类，得到分类辅诊结果。

可选地，所述对原始面容图像集中的面容图像进行降噪处理，得到面容降噪图像集，包括：

利用预设的滑动窗口对所述原始面容图像集中的面容图像进行像素点选取；

将所述滑动窗口中的像素点进行灰度值大小排序，得到灰度值序列；

判断所述灰度值序列中像素点的个数；

若所述灰度值序列有奇数个像素点，则取所述灰度值序列中间一个像素点的灰度值替换所述滑动窗口中指定点的灰度值，得到灰度值替换面容图像；

若所述灰度值序列有偶数个像素点，则取所述灰度值序列中间两个像素点的平均灰度值替换所述滑动窗口中指定点的灰度值，得到灰度值替换面容图像；

汇总所有所述灰度值替换面容图像，得到所述面容降噪图像集。

可选地，所述利用预训练的生成模型对所述面容降噪图像集中的图像进行面容几何归一化处理之前，所述方法还包括：