【技术实现步骤摘要】
面瘫智能评估方法、系统、设备及存储介质
[0001]本专利技术涉及医疗器械
，具体涉及一种面瘫智能评估方法、系统、设备及存储介质。
技术介绍
[0002]目前对于面神经功能的评定主要以评分量表为主。现有的周围性面瘫分级评分标准比较粗糙，主观程度较大，不同的医生对同一个患者可能做出不同的分级评定。一般在患者恢复过程中每周都需要对患者的面神经功能进行评分。临床就诊时很多患者并非固定一个医生治疗，在更换医生后，不同医生对面神经功能做出的评定如有较大的差异，不利于患者病情变化的观察。针灸、中药治疗目前是我国治疗周围性面瘫恢复期及后遗症期的一个主要治疗手段。
技术实现思路
[0003]本专利技术的目的是提供一种面瘫智能评估方法、系统、设备及存储介质。该面瘫智能评估方法、系统、设备及存储介质，用于提升面瘫评估的准确性。
[0004]本专利技术的一方面提供了一种面瘫智能评估方法，包括如下步骤：
[0005]获取患者面部正面图像，所述患者面部正面图像包括静止状态、抬眉、皱眉、闭眼、耸鼻、撅嘴、示齿及大张...
【技术保护点】
【技术特征摘要】
1.一种面瘫智能评估方法，其特征在于，包括如下步骤：获取患者面部正面图像，所述患者面部正面图像包括静止状态、抬眉、皱眉、闭眼、耸鼻、撅嘴、示齿及大张口图像；将所述患者面部正面图像输入面瘫智能评估模型得到面瘫等级分类；其中，所述面瘫智能评估模型包括关键点检测模型、图像全局特征检测模型，且通过归一化指数函数将多分类的结果以概率的形式展现出来，得到面瘫级别概率输出。2.根据权利要求1所述的一种面瘫智能评估方法，其特征在于，所述关键点检测模型的建立包括通过若干面部图像对HRNET进行关键点识别预训练；所述若干面部图像包括静止状态、抬眉、皱眉、闭眼、耸鼻、撅嘴、示齿及大张口图像。3.根据权利要求1所述的一种面瘫智能评估方法，其特征在于，所述图像全局特征检测模型的建立包括通过若干面部图像对RESNET进行图像全局特征点识别预训练；所述若干面部图像包括静止状态、抬眉、皱眉、闭眼、耸鼻、撅嘴、示齿及大张口图像。4.根据权利要求1所述的一种面瘫智能评估方法，其特征在于，将所述患者面部正面图像输入面瘫智能评估模型得到面瘫等级分类包括如下步骤：将所述患者面部正面图像输入预先训练的所述关键点检测模型获得图像的面部静态对称性的数集及面部动态对称性的数集；将所述患者面部正面图像输入预先训练的所述图像全局特征检测模型获得图像全局特征；将所述面部静态对称性的数集,面部动态对称性的数集与图像全局特征进行特征数据合并；提取合并特征数据集的特征并进行维度转换；将进行维度转换后的特征通过归一化指数函数将多分类的结果以概率的形式展现出来，得到面瘫级别概率输出。5.根据权利要求4所述的一种面瘫智能评估方法，其特征在于，将所述患者面部正面图像输入预先训练的所述关键点检测模型获得图像的面部静态对称性的数集及面部动态对称性的数包括如下步骤：将所述患者面部正面图像输入预先训练的所述关键点检测模型模型获得标注面部关键点的图像；获取反映标注面部关键点的图像的面部静态对称性的数集及动态对称性的数集。6.根据权利要求5所述的一种面瘫智能评估方法，其特征在于，所述将所述面部静态对称性的数集,面部动态对称性的数集与图像全局特征进行特征数据合并包括：将图像的面部静态对称性的数集中第一位数SS0，动态对称性的数集中第一位数DS0，Global Feature进行合并得到第0点的一维特征向量；设置通道数；其中,特征是HRNET和rensent50的特征之和。7.根据权利要求4所述的一种面瘫智能评估方法，其特征在于，所述提取合并特征数据集的特征包括如下步骤：将合并的特征数据集进行embedding操作，实现降维；将上述降维后的特征进行位置编码；
通过注意力机制计算经过位置编码的特征之间的相关性；通过残差连接获得输出顶点交互下的特征。...
【专利技术属性】
技术研发人员：虞彬艳，宣丽华，缪迪，徐福，岑璐莎，徐俪颖，
申请(专利权)人：浙江省中医院，浙江中医药大学附属第一医院浙江省东方医院，
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。