【技术实现步骤摘要】
一种基于舌象特征和BMI指数的脂肪肝预测方法
本专利技术涉及人工智能
,更具体的是涉及一种基于舌象特征和BMI指数的脂肪肝预测方法。
技术介绍
BMI(BodyMassIndex)指数为体质指数,是目前国际上常用来量度体重与身高比例的工具,利用身高和体重之间的比例衡量一个人是否过瘦或过肥,而通常情况下脂肪肝患者往往由于脂肪含量过高较肥胖,因此BMI指数对判定脂肪肝具有辅助作用。传统的脂肪肝诊断往往靠医生配合辅助检查来进行确诊,比如医生根据患者病史和如肝功能,血脂,B超,CT等辅助检查项目对脂肪肝进行诊断,但是目前的诊断方法依赖于大量的先验知识,同时进行辅助检查又需要去医院,费时费力而且成本不低,十分不便利。随着技术的不断发展,目前已经有了直接使用舌体图像对脂肪肝进行预测识别的技术,但是现有技术依赖于大量标记过的数据样本,否则训练出的模型准确率并不高,并且现有模型网络结构较为复杂,计算时间较长,不利于部署。
技术实现思路
本专利技术的目的在于:为了解决目前直接使用舌体图像对脂肪肝进行预测,依赖于大量样本,且网络结构复杂的问题,本专利技术提供一种基于舌象特征和BMI指数的脂肪肝预测方法。本专利技术为了实现上述目的具体采用以下技术方案:一种基于舌象特征和BMI指数的脂肪肝预测方法,包括:采集若干张患病和未患病的舌体图像样本及每张舌体图像样本对应的BMI指数,将舌体图像样本随机分为训练数据集和测试数据集,并将每张舌体图像样本对应的BMI指数添加到对应的训练数据 ...
【技术保护点】
1.一种基于舌象特征和BMI指数的脂肪肝预测方法,其特征在于,包括:/n采集若干张患病和未患病的舌体图像样本及每张舌体图像样本对应的BMI指数,将舌体图像样本随机分为训练数据集和测试数据集,并将每张舌体图像样本对应的BMI指数添加到对应的训练数据集和测试数据集中;/n对训练数据集中的舌体图像样本进行特征提取,得到舌质舌苔颜色特征向量[p
【技术特征摘要】
1.一种基于舌象特征和BMI指数的脂肪肝预测方法,其特征在于,包括:
采集若干张患病和未患病的舌体图像样本及每张舌体图像样本对应的BMI指数,将舌体图像样本随机分为训练数据集和测试数据集,并将每张舌体图像样本对应的BMI指数添加到对应的训练数据集和测试数据集中;
对训练数据集中的舌体图像样本进行特征提取,得到舌质舌苔颜色特征向量[pxi,pyi]、舌苔厚薄特征向量[T,M]、舌体润燥特征L和舌体胖瘦指数I;
基于舌质舌苔颜色特征向量[pxi,pyi]、舌苔厚薄特征向量[T,M]、舌体润燥特征L、舌体胖瘦指数I及BMI指数构建训练特征向量[pxi,pyi,T,M,L,I,BMI],利用训练特征向量[pxi,pyi,T,M,L,I,BMI]对预设的RandomForest模型进行训练,利用网格调参法对RandomForest模型进行优化;
利用测试数据集对RandomForest模型进行测试,直至输出训练好的最佳RandomForest模型;
利用最佳RandomForest模型对待预测舌体图像进行预测,得到预测结果。
2.根据权利要求1所述的一种基于舌象特征和BMI指数的脂肪肝预测方法,其特征在于,所述对训练数据集中的舌体图像样本进行特征提取,得到舌质舌苔颜色特征向量[pxi,pyi],具体为:
利用LGBM模型将舌体图像样本中的像素点分为十类,其中舌质类像素点和舌苔类像素点各五类,舌质类像素点分别是:淡色舌质、淡红舌质、红色舌质、深红舌质和绛色舌质,舌苔类像素点分别是:白色舌苔、淡黄舌苔、深黄舌苔、棕黄舌苔和灰黑舌苔;
设舌质类像素点数量分别为x1,...,xi,...,x5,舌苔类像素点数量分别为y1,...,yi,...,y5,分别计算各舌质类像素点占舌质类像素点总数的百分比pxi和各舌苔类像素点占舌苔类像素点总数的百分比pyi,计算式为:
则舌质舌苔颜色特征向量为[pxi,pyi]。
3.根据权利要求2所述的一种基于舌象特征和BMI指数的脂肪肝预测方法,其特征在于,所述对训练数据集中的舌体图像样本进行特征提取,得到舌苔厚薄特征向量[T,M],具体为:
设舌体图像样本总像素点数量为N,对于其中任一个像素点Pij,选取其5*5邻域,计算该邻域中舌质类像素点数量Nij,根据Nij的取值为像素点Pij分配权重ωij:
基于权重ωij计算舌体图像样本的苔厚指数T:
然后计算舌体图像样本的苔质比M:
基于苔厚指数T和苔质比M得到舌苔厚薄特征向量[T,M]。
4.根据权利要求1所述的一种基于舌象特征和BMI指数的脂肪...
【专利技术属性】
技术研发人员:王畇浩,代超,何帆,周振,
申请(专利权)人:中电健康云科技有限公司,
类型:发明
国别省市:四川;51
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。