【技术实现步骤摘要】
基于头部图像对人体健康状态进行评估的方法和装置
[0001]本文件涉及健康产品
,尤其涉及一种基于头部图像对人体健康状态进行评估的方法和装置。
技术介绍
[0002]随着医疗水平的提升,及时准确的掌握人体的健康状态一直是人类梦寐以求的目标。“望而知之谓之神”,中医可以通过面诊对人的五脏六腑、气血津液、中医体质等情况作出评估。
[0003]现有的诊断断算法比较陈旧,且特征分析方法单一。且从单一方面分析病人的证候,往往对判断结果的正确性有很大的影响,所以可信度不高。而且诊断仪器要么判断依据单一片面、要么诊断结果模糊含蓄。因此,比较难辅助医生更好的对人体健康状态作出客观、真实、理性的评估。
技术实现思路
[0004]本说明书一个或多个实施例的目的是提供一种基于头部图像对人体健康状态进行评估的方法和装置,以提升对人体对象的健康状态评估的准确性、真实性以及可靠性。
[0005]为解决上述技术问题,本说明书一个或多个实施例是这样实现的:
[0006]第一方面,提出了一种基于头部图像对人体健康状态进行评估的方法,包括:
[0007]确定目标人体对象在同一检测时期的目标红外面诊图像、目标可见光面诊图像以及目标舌诊图像;
[0008]分别对所述目标红外面诊图像、目标可见光面诊图像以及目标舌诊图像进行图像处理,提取红外面诊图像特征数据、可见光面诊图像特征数据以及舌诊图像特征数据;
[0009]将所述红外面诊图像特征数据、可见光面诊图像特征数据以及舌诊图像特征数据分别输 ...
【技术保护点】
【技术特征摘要】
1.一种基于头部图像对人体健康状态进行评估的方法,其特征在于,包括:确定目标人体对象在同一检测时期的目标红外面诊图像、目标可见光面诊图像以及目标舌诊图像;分别对所述目标红外面诊图像、目标可见光面诊图像以及目标舌诊图像进行图像处理,提取红外面诊图像特征数据、可见光面诊图像特征数据以及舌诊图像特征数据;将所述红外面诊图像特征数据、可见光面诊图像特征数据以及舌诊图像特征数据分别输入训练得到的红外面诊评估模型、可见光面诊评估模型以及舌诊评估模型,并输出针对所述目标人体对象的红外面诊结果、可见光面诊结果以及舌诊结果;基于所述目标人体对象针对问诊库中预设问题输入的答案确定问诊结果;将所述红外面诊结果、可见光面诊结果、舌诊结果以及问诊结果进行整合并提取综合特征数据;将所述综合特征数据输入训练得到的综合评估模型,输出针对所述目标人体对象的四诊合参评估结果。2.如权利要求1所述的基于头部图像对人体健康状态进行评估的方法,其特征在于,确定目标人体对象在同一检测时期的目标红外面诊图像、目标可见光面诊图像以及目标舌诊图像,具体包括:实时采集或从图像数据库中获取目标人体对象在同一检测时期的目标红外面诊图像、目标可见光面诊图像以及目标舌诊图像。3.如权利要求1或2所述的基于头部图像对人体健康状态进行评估的方法,其特征在于,实时采集目标人体对象的目标红外面诊图像,具体包括:实时分别从多个角度采集目标人体对象的红外图像;分别对采集的多个红外图像通过深度学习神经网络算法进行头面部图像分割,得到每个红外图像的面部分区;将面部分区重叠的每个红外图像对应的区域的温度加和求平均得到该重叠区域对应的面部分区的第一温度;将所述多个红外图像分割得到的所有重叠面部分区的第二温度以及所有不重叠面部分区的第二温度投影到所述目标人体对象的三维头部图像模型上,得到所述目标人体对象的目标红外面诊图像;其中,在通过深度学习神经网络算法进行头面部图像分割时,设计神经网络算法模型,选取UNet网络,应用先编码再解码结构形成像素级分割网络;进行数据清洗、数据筛选并进行数据标注,用标注好的数据对模型进行训练;利用训练好对模型对目标红外面诊图像、目标可见光面诊图像进行推理运算,得到头面部图像各个区域对分割结果。4.如权利要求1或2所述的基于头部图像对人体健康状态进行评估的方法,其特征在于,在确定目标人体对象在同一检测时期的目标红外面诊图像、目标可见光面诊图像以及目标舌诊图像之后,所述方法还包括:基于计算机自动识别以及全息技术,将所述目标红外面诊图像、目标可见光面诊图像分别划分为预设功能区域。5.如权利要求1或2所述的基于头部图像对人体健康状态进行评估的方法,其特征在于,所述红外面诊评估模型通过以下方式训练得到:
获取第一样本数据集,并对所述第一样本数据集中每个样本数据进行图像预处理操作,其中,所述第一样本数据集包含多个人体对象的红外面诊图像,且每个红外面诊图像均标注有体质证候;将进行图像预处理操作之后的第一样本数据集划分为第一训练集、第一验证集和第一测试集;基于所述第一训练集中每个样本数据以及其中标注的体质证候,对所述待训练的神经网络模型中的参数进行调整,得到训练后的第一神经网络模型;分别基于所述第一验证集和所述第一测试集对训练后的第一神经网络模型进行处理后,确定出最优神经网络模型作为红外面诊评估模型;所述可见光面诊评估模型通过以下方式训练得到:获取第二样本数据集,并对所述第二样本数据集中每个样本数据进行图像预处理操作,其中,所述第二样本数据集包含多个人体对象的可见光面诊图像,且每个可见光面诊图像均标注有体质证候;将进行图像预处理操作之后的第二样本数据集划分为第二训练集、第二验证集和第二测试集;基于所述第二训练集中每个样本数据以及其中标注的病灶的位置,对所述第二待训练的神经网络模型中的参数进行调整,得到训...
【专利技术属性】
技术研发人员:李洪娟,王乐平,李丽单,常嘉,
申请(专利权)人:北京鹰之眼智能健康科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。