用于失眠诊断的智能舌诊特征提取方法及失眠诊断系统技术方案

本发明专利技术属于图像处理技术领域，具体涉及一种用于失眠诊断的智能舌诊特征提取方法及失眠诊断系统。本发明专利技术的方法包括如下步骤：步骤1，失眠患者入组，基于失眠患者的舌头图像构建舌图数据库；步骤2，从所述舌头图像中分割出舌头区域；步骤3，量化和提取所述舌头区域的影像组学特征；步骤4，通过机器学习算法筛选所述影像组学特征，得到用于构建失眠诊断舌诊模型的舌诊特征。利用上述方法优选得到的特征，能够进一步构建失眠诊断系统。本发明专利技术的诊断准确性好，具有很好的应用前景。具有很好的应用前景。具有很好的应用前景。

【技术实现步骤摘要】
用于失眠诊断的智能舌诊特征提取方法及失眠诊断系统


[0001]本专利技术属于图像处理
，具体涉及一种用于失眠诊断的智能舌诊特征提取方法及失眠诊断系统。

技术介绍

[0002]失眠是一个严重的公共卫生问题，其定义为入睡困难、难以维持睡眠，或尽管有充足的睡眠机会，但睡眠质量较差，并伴有某种形式的日间功能障碍。失眠的患病率约为10％
‑
20％，其中慢性失眠约占50％。失眠的病因和生理与遗传、环境、行为和生理因素密切相关。现有技术中，通过失眠严重程度指数(ISI)来评估失眠患者的睡眠质量为金标准。
[0003]在现代医学中，我们从不同的角度科学地看待失眠，同时，我们也可以从传统医学中吸取教训，量化和科学地设计经验知识。可以发现，在很多国家和民族的传统医学中，对失眠的诊断都有自己的看法。中医认为心脏是失眠的关键器官，最终表现为功能状态的阴阳平衡或失衡。所以中医可以通过阴阳失调的各种表现，如舌头状态的变化，来观察和判断患者的失眠症状。
[0004]在中医院，中医医生可以通过舌诊来诊断失眠。从中医的角度来看，舌的状态与人体的生理病理密切相关。在过去的许多研究中，舌成像显示了关于疾病状态的有价值的信息，用于诊断各种疾病。这些实验结果表明，在未来的研究中，可能会使用新技术来量化舌头信息，以实现更精确的临床诊断，特别是对失眠的诊断。
[0005]人工智能已被应用于公共卫生，并可能为医疗实践带来前所未有的进步。利用人工智能对舌成像进行分析，实现失眠严重程度的分析不失为一种很有潜力的思路。然而，迄今为止，基于舌头图像的失眠症智能分类工具尚未见报道。对于舌头图像，如何提取图像特征，以及什么样的输入特征能够实现准确的失眠诊断依然是构建该失眠症智能分类工具时亟需解决的问题。

技术实现思路

[0006]针对现有技术的缺陷，本专利技术提供一种用于失眠诊断的智能舌诊特征提取方法及失眠诊断系统，目的在于筛选出对失眠具有良好诊断性能的特征，构建出能够准确诊断失眠严重程度的人工智能系统。
[0007]一种用于失眠诊断的智能舌诊特征提取方法，包括如下步骤：
[0008]步骤1，失眠患者入组，基于失眠患者的舌头图像构建舌图数据库；
[0009]步骤2，从所述舌头图像中分割出舌头区域；
[0010]步骤3，量化和提取所述舌头区域的影像组学特征；
[0011]步骤4，通过机器学习算法筛选所述影像组学特征，得到用于构建失眠诊断舌诊模型的舌诊特征。
[0012]优选的，步骤2中，采用nnU
‑
Net算法分割所述舌头图像。
[0013]优选的，步骤3中，量化和提取所述影像组学特征使用Pyradiomics工具实现。
[0014]优选的，步骤3中，得到的影像组学特征包括14个形状特征、18个一阶统计特征和73个纹理特征。
[0015]优选的，步骤4中，所述机器学习算法为LASSO算法。
[0016]优选的，步骤4中，得到的用于构建失眠诊断舌诊模型的舌诊特征包括：相关信息测量、最大二维直径、延伸率、能量、聚类阴影、灰度方差、偏度。
[0017]优选的，步骤4中，所述失眠诊断舌诊模型的训练数据进行标注时，使用失眠严重程度指数量表进行失眠程度的确定。
[0018]本专利技术还提供一种用于失眠诊断的智能舌诊系统，包括：
[0019]舌图数据库管理模块，用于舌头图像数据的获取、格式转换和存储管理；
[0020]自动分割模块，用于舌头图像的自动分割；
[0021]特征量化模块，用于影像组学特征的提取和量化处理；
[0022]智能失眠舌诊模块，用于通过失眠诊断舌诊模型量化和诊断患者的失眠程度；
[0023]用于构建所述失眠诊断舌诊模型的舌诊特征采用上述智能舌诊特征提取方法获得。
[0024]优选的，所述失眠诊断舌诊模型基于逻辑回归算法构建，其表达式为：0.085
×
相关信息测量+0.044
×
最大二维直径
‑
0.033
×
延伸率
‑
0.030
×
能量+0.014
×
聚类阴影+0.006
×
灰度方差
‑
0.003
×
偏度。
[0025]本专利技术还提供一种计算机可读存储介质，其上存储有用于实现上述智能舌诊特征提取方法的计算机程序，或用于实现上述智能舌诊系统的计算机程序。
[0026]本专利技术优选了利用舌头图像诊断失眠的特征种类及模型种类，利用这些优选的特征，本专利技术能够构建准确性很好的失眠诊断舌诊模型。实验表明，本专利技术的失眠诊断舌诊模型准确率优于部分医生的人工舌诊结果。本专利技术能够满足临床的应用需求，可以帮助解决不同医院和医生之间的诊断差异，降低患者的诊断成本，为该类疾病的早期诊断和早期治疗提供技术支持。考虑到失眠症已经成为影响全球大健康的重要疾病，因此，本专利技术具有很好的应用前景。
[0027]显然，根据本专利技术的上述内容，按照本领域的普通技术知识和惯用手段，在不脱离本专利技术上述基本技术思想前提下，还可以做出其它多种形式的修改、替换或变更。
[0028]以下通过实施例形式的具体实施方式，对本专利技术的上述内容再作进一步的详细说明。但不应将此理解为本专利技术上述主题的范围仅限于以下的实例。凡基于本专利技术上述内容所实现的技术均属于本专利技术的范围。
附图说明
[0029]图1为本专利技术实施例1的流程示意图。
[0030]图2为本专利技术实施例2的流程示意图。
具体实施方式
[0031]需要特别说明的是，实施例中未具体说明的数据采集、传输、储存和处理等步骤的算法，以及未具体说明的硬件结构、电路连接等均可通过现有技术已公开的内容实现。
[0032]实施例1用于失眠诊断的智能舌诊特征提取方法及模型构建方法
[0033]如图1所示，本实施例提供了一种用于失眠诊断的智能舌诊特征提取方法以及利用得到的特征构建模型的方法，包括：
[0034]S1，失眠患者入组，确定失眠程度，并拍摄和收集舌头图像；
[0035]具体的，从两个医院中心入组失眠患者，共399人。根据ISI标准确定失眠程度，并拍摄和收集舌头图像。其中，一个中心的数据作为训练集，另一个中心的数据作为测试集。失眠程度分为：无失眠、轻度、中度和重度。
[0036]S2，将舌头图像转为DICOM格式文件，并录入患者的临床信息，进行舌图管理，构建舌图数据库；
[0037]具体包括如下步骤：
[0038]S21，通过Python程序实现舌头图像的格式转换；
[0039]S22，DICOM格式的舌头图像可以录入患者的性别、年龄等信息，用于舌图管理，并构建舌图数据库，本实施例数据库规模预计达到上千例。
[0040]S3，基于nnU
‑
Net算法训练舌图分割模型，自动分割舌头区域；<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于失眠诊断的智能舌诊特征提取方法，其特征在于，包括如下步骤：步骤1，失眠患者入组，基于失眠患者的舌头图像构建舌图数据库；步骤2，从所述舌头图像中分割出舌头区域；步骤3，量化和提取所述舌头区域的影像组学特征；步骤4，通过机器学习算法筛选所述影像组学特征，得到用于构建失眠诊断舌诊模型的舌诊特征。2.按照权利要求1所述的智能舌诊特征提取方法，其特征在于：步骤2中，采用nnU
‑
Net算法分割所述舌头图像。3.按照权利要求1所述的智能舌诊特征提取方法，其特征在于：步骤3中，量化和提取所述影像组学特征使用Pyradiomics工具实现。4.按照权利要求1所述的智能舌诊特征提取方法，其特征在于：步骤3中，得到的影像组学特征包括14个形状特征、18个一阶统计特征和73个纹理特征。5.按照权利要求1所述的智能舌诊特征提取方法，其特征在于：步骤4中，所述机器学习算法为LASSO算法。6.按照权利要求1所述的智能舌诊特征提取方法，其特征在于：步骤4中，得到的用于构建失眠诊断舌诊模型的舌诊特征包括：相关信息测量、最大二维直径、延伸率、能量、聚类阴影、灰度方差、偏度。7.按照权利要求6所述的智能舌诊特征提取方法，其特征在于：步骤4中，所述失眠诊断舌诊模型的训练数据进行标注时，使用失眠严重程度指数量表进行失眠程度的确定。...

【专利技术属性】
技术研发人员：姜泽坤，孙淼，侯峻枫，孟思睿，
申请(专利权)人：华西精创医疗科技成都有限公司，
类型：发明
国别省市：