基于人脸特征的癌症筛查方法及筛查系统技术方案

本发明专利技术公开了基于人脸特征的癌症筛查方法及筛查系统，根据一实施例，一种基于人脸特征的癌症筛查方法包括：获取测试者人脸图像，利用方向梯度直方图特征和级联回归技术检测人脸的位置并对齐，利用双线性插值将人脸图像放缩到统一尺寸；利用卷积神经网络提取人脸的特征；根据这些特征利用分类器计算癌症发病率。本发明专利技术的技术不需要借助任何专业的医疗设备，只需要测试人的照片即可得出测试人癌症发病概率。

Cancer screening method and system based on facial features

【技术实现步骤摘要】
基于人脸特征的癌症筛查方法及筛查系统
本专利技术涉及模式识别与智能系统领域，更特别地，涉及一种基于人脸特征的癌症筛查方法及系统。
技术介绍
癌症严重威胁着人类的健康，据统计，我国癌症患者5年生存率仅为30.9％，癌症已经成为城镇人口死亡的首要因素。而且，我国近十几年来癌症的发病死亡呈现出持续上升的趋势，癌症防控形势严峻，癌症的早期筛查尤为重要。以我国发病率最高的肺癌为例，0、Ia期患者5年生存率可达90％和60％，而II-IV期患者总的5年生存率从40％下降到5％。癌症的早期筛查不仅能够明显的提高5年生存率，而且可以有效的降低诊疗费用，使得有限的医疗资源得到充分的利用。癌症的早期筛查的常用手段包括血液检测、基因检测、纳米检测、以及基于超声、CT以及MRI等医学影像的检测等。这些检测手段需要借助特定的诊疗设备，需要测试者到医院或者专业的诊疗机构进行测试。主观上，我国大部分人口缺乏癌症防治意识；客观上，我国相当一部分地区经济条件落后，癌症筛查设备普及率较低。
技术实现思路
针对以上问题，本申请公开了一种基于人脸特征的癌症筛查技术和系统。该技术不需要借助任何专业医疗设备，大大降低了癌症筛查的门槛。一般而言，本专利技术的目的可如下地实现：首先对图像进行预处理，检测图像中的人脸并进行对齐和归一化处理，然后通过卷积神经网络(convolutionalneuralnetwork，CNN)提取特征，最后以特征向量为输入，利用分类器得出癌症的发病概率。图像预处理步骤中的人脸检测环节利用方向梯度直方图(histogramoforientedgradients，HOG)特征结合线性回归(linearregression)，图像金字塔(imagepyramid)以及滑动窗口探测策略(slidingwindowdetectionscheme)快速检测出图像中的正面人脸，同时标定出人脸图像的位置。然后利用级联回归算法(ensembleofregressiontree，ERT)，也就是梯度提升树(gradientboostingdecisiontree，GBDT)检测人脸图像的68个标志点，然后根据标志点确定人脸的姿态(pose)，并将人脸旋转到平直状态，同时双线性插值(bilinearinterpolation)人脸图像至同样的尺寸。经过预处理的图像输入到CNN进行特征提取。CNN一般由卷积层、线性整流(rectifiedlinearunits，Relu)层和池化(pooling)层组成。其中，由浅入深的卷积层分别提取图像中由简单到复杂的特征；ReLU层作为网络的激活函数，增强了网络的非线性特性与适应性；池化层进一步筛选出更加显著的特征，防止网络过拟合。分类器一般可以选用多层感知器(multilayerperceptron)、支持向量机(supportvectormachine)或者逻辑回归(logisticregression)等。一种基于人脸特征的癌症筛查方法，其包括以下步骤：(1)获取测试者正面人脸图像，并对获取的人脸图像进行预处理；(2)提取人脸图像的特征；(3)建立基于所述特征的癌症发病概率预测模型；(4)根据癌症发病概率预测模型判断测试者的发病概率。进一步，作为优选，在所述步骤(1)中，所述人脸图像预处理方法包括：利用方向梯度直方图特征检测人脸的位置；根据所述人脸位置信息，利用级联回归技术检测人脸中眼睛、鼻子、嘴巴等标志点的位置；利用人脸中标志点的位置，对图像进行放射变换，使得人脸在图像中处于居中对齐的位置；以及利用双线性插值将人脸图像放缩到统一尺寸，其中，经过预处理的人脸图像被用于所述的特征提取。进一步，作为优选，在所述步骤(2)中，人脸图像的特征通过卷积神经网络提取，具体方法包括：利用公开的人脸数据集训练神经网络，以及训练过程中采用三元组损失函数；其中，经过训练的神经网络被用于提取人脸图像的特征。进一步，作为优选，在所述步骤(3)中，基于所述特征的癌症发病概率预测模型是利用多层感知器分类器，应用支持向量机或者逻辑回归建立。进一步，本专利技术还提供了基于人脸特征的癌症筛查系统，其特征在于，其包括输入模块，所述输入模块用于采集并接收测试者人脸图像数据；预测模块，所述预测模块用于基于人脸特征的癌症发病概率预测；以及输出模块，所述输出模块用于输出所预测的癌症发病概率。进一步，作为优选，其还包括：预处理模块，所述预处理模块用于检测图像中人脸的位置，并进行仿射变换对齐人脸图像并插值到统一尺寸，其中，所述预测模块是基于所述特征来预测癌症发病概率。进一步，作为优选，其还包括：检测模块，所述检测模块用于检测图像中人脸的位置，并提取人脸特征点；以及变换模块，所述变换模块利用所述人脸特征点对人脸图像进行放射变换，并对图像进行插值处理，统一图像尺寸。进一步，作为优选，其还包括：特征提取模块，所述特征提取模块用于从所述预处理之后的人脸图像中提特征。进一步，作为优选，所述预测模块根据所述提取的特征，利用多层感知器分类器、应用支持向量机或者逻辑回归建立预测模型。此外，本专利技术还提供了一种放射治疗结果预测装置，包括：存储器，其上存储有计算机指令；以及处理器，配置为运行所述计算机指令以执行本所述的方法。与现有技术相比，本专利技术的有益效果是：1.本专利技术公开的癌症筛查技术不需要借助任何专业的医疗设备，只需要测试人的照片即可得出测试人癌症发病概率；2.本专利技术公开的癌症筛查技术方便快捷，而且没有任何毒副作用。附图说明图1：基于HOG特征的人脸位置检测流程图。图2：图像预处理实例。图3：人脸的68个标志点示意图。图4：本专利技术的筛查系统的结构框图。具体实施方式请参阅图1～4，下面将结合附图描述各个环节的实施过程，并结合示例给出一个完整的实施例。1.基于方向梯度直方图(histogramoforientedgradients，HOG)特征的人脸位置检测在进行HOG特征检测之前，通过图像金字塔技术将检测图像放缩到多个不同的尺寸，然后利用滑动检测窗口策略对多个不同尺寸的窗口进行检测。滑动窗口大小确定为20×20。对于输入图像，首先转化为灰度图像，并进行Gamma矫正，防止光线太亮或者太暗影响处理结果。然后计算图像沿水平(H(x，y))和竖直(V(x，y))方向的梯度并确定梯度的模值(m(x，y))和方向(θ(x，y))：θ(x，y)＝tan-1(V(x，y)/H(x，y))梯度模板应当能够较好的保留图像中的边缘特征，同时又足够简单确保计算速度，本专利技术选择中心对称的一维横向模板[-1，0，1]。将4×4个像素定义为一个cell，将相邻的4×4个cell定义为一个block，每个滑动窗口包括5×5个cell，滑动窗口每次移动8个像素。本文档来自技高网...

【技术保护点】
1.基于人脸特征的癌症筛查方法，其包括以下步骤：/n(1)获取测试者正面人脸图像，并对获取的人脸图像进行预处理；/n(2)提取人脸图像的特征；/n(3)建立基于所述特征的癌症发病概率预测模型；/n(4)根据癌症发病概率预测模型判断测试者的发病概率。/n

【技术特征摘要】
1.基于人脸特征的癌症筛查方法，其包括以下步骤：
(1)获取测试者正面人脸图像，并对获取的人脸图像进行预处理；
(2)提取人脸图像的特征；
(3)建立基于所述特征的癌症发病概率预测模型；
(4)根据癌症发病概率预测模型判断测试者的发病概率。


2.根据权利要求1所述的基于人脸特征的癌症筛查方法，其特征在于，在所述步骤(1)中，所述人脸图像预处理方法包括：
利用方向梯度直方图特征检测人脸的位置；
根据所述人脸位置信息，利用级联回归技术检测人脸中眼睛、鼻子、嘴巴等标志点的位置；
利用人脸中标志点的位置，对图像进行放射变换，使得人脸在图像中处于居中对齐的位置；以及
利用双线性插值将人脸图像放缩到统一尺寸，
其中，经过预处理的人脸图像被用于所述的特征提取。


3.根据权利要求2所述的基于人脸特征的癌症筛查方法，其特征在于，在所述步骤(2)中，人脸图像的特征通过卷积神经网络提取，具体方法包括：
利用公开的人脸数据集训练神经网络，以及训练过程中采用三元组损失函数；其中，经过训练的神经网络被用于提取人脸图像的特征。


4.根据权利要求2所述的基于人脸特征的癌症筛查方法，其特征在于，在所述步骤(3)中，基于所述特征的癌症发病概率预测模型是利用多层感知器分类器，应用支持向量机或者逻辑回归建立。


5.基于人脸特征的癌症筛查系统，其采用权利要求1-4任意一项所述的基于人脸特...

【专利技术属性】
技术研发人员：梁斌，戴建荣，黄鹏，
申请(专利权)人：梁斌，
类型：发明
国别省市：北京;11