基于智能镜的健康监护方法、装置、设备及存储介质制造方法及图纸

本发明专利技术涉及人工智能技术，揭露了一种基于智能镜的健康监护方法、装置、设备及存储介质。所述方法包括：利用预构建的掩码矩阵对智能镜获取的目标人物的头部图像进行基于眼与耳部位的掩码切割操作，得到所述头部图像的眼部图像、耳部图像及面部图像；识别所述眼部图像、耳部图像及面部图像的生理特征结果集合；根据所述头部图像，识别所述人物的基本信息及医疗体检信息，并构建身体状况画像；利用预构建的疾病预测模型，根据所述身体状况画像，对所述生理特征结果集合进行疾病预测，得到疾病识别结果；根据所述疾病识别结果，智能生成提示信息。本发明专利技术可以基于智能镜分析面部是否有疾病发生征兆，实现人们身体健康安全的提前预警。实现人们身体健康安全的提前预警。实现人们身体健康安全的提前预警。

【技术实现步骤摘要】
基于智能镜的健康监护方法、装置、设备及存储介质


[0001]本专利技术涉及人工智能
，尤其涉及一种基于智能镜的健康监护方法、装置、设备及计算机可读存储介质。

技术介绍

[0002]医学研究表明，不同疾病的发病率高低与时间的关系因疾病的性质和影响因素而异，很多突发疾病的发病高峰期为早上六点到中午十二点，例如心脏病、高血压、中风等。其中，这些疾病很多都可以通过面部征兆进行警惕，例如，发现面色苍白，疑似贫血与心脏疾病；脸色发绀，疑似心脏及呼吸系统疾病；耳廓上出现线状的凹陷，要警惕冠心病。
[0003]如今很多患者都是在出行在外或通勤途中突发恶疾，周围又缺少合适的救援设备与救护人员，导致患者的生命健康受到威胁，若能够在用户出门之前对短时间内可能发生的恶疾进行预警，能够有效提高患者存活几率。

技术实现思路

[0004]本专利技术提供一种基于智能镜的健康监护方法、装置、设备及存储介质，其主要目的在于对短时间内可能发生的恶疾进行提前预警，以提高患者存活几率。
[0005]为实现上述目的，本专利技术提供的一种基于智能镜的健康监护方法，包括：
[0006]当智能镜检测到目标人物时，获取所述目标人物的头部图像，并根据所述头部图像识别所述目标人物的身份信息，根据所述身份信息调取所述目标人物的基本信息及医疗体检信息，并根据所述基本信息及医疗体检信息，构建所述目标人物的身体状况画像；
[0007]利用预构建的掩码矩阵，对所述目标人物的头部图像进行基于眼与耳部位的掩码切割操作，得到所述头部图像中的眼部图像、耳部图像及面部图像；
[0008]分别对所述眼部图像、耳部图像及面部图像进行生理特征识别，得到生理特征结果集合；
[0009]利用预构建的疾病预测模型，根据所述身体状况画像，对所述生理特征结果集合进行疾病预测，得到疾病识别结果；
[0010]根据所述疾病识别结果，生成健康提示信息，并将所述健康提示信息发送给预设的便携式电子设备。
[0011]可选的，所述利用预构建的疾病预测模型之前，所述方法还包括：
[0012]获取预构建的医学语料样本集合，将所述医学语料样本集合根据预设比例划分为测试集及训练集，及获取包含诱因识别网络及随机森林网络的疾病预测模型，并对所述诱因识别网络进行辅助任务配置；
[0013]依次从所述训练集中提取一个医疗语料，利用所述疾病预测模型对所述医疗语料进行网络正向计算，得到诱因预测结果集合；
[0014]根据所述辅助任务，利用交叉熵损失算法对所述医疗语料对应的真实医学标签及所述诱因预测结果集合进行损失计算，得到辅助损失；
[0015]根据决策树训练算法及所述辅助损失对所述疾病预测模型进行训练，得到更新疾病预测模型；
[0016]判断所述训练集中各个医疗语料是否全部参与训练；
[0017]当所述训练集中存在没有参与训练的医疗语料，则返回上述依次从所述训练集中提取一个医疗语料的步骤，对所述更新疾病预测模型进行迭代更新；
[0018]当所述训练集中各个医疗语料全部参与训练，则利用所述更新疾病预测模型对所述测试集进行疾病预测，得到疾病预测准确率；
[0019]判断所述疾病预测准确率是否大于预设的合格阈值；
[0020]当所述疾病预测准确率小于所述合格阈值，则返回上述将所述医学语料样本集合根据预设比例划分为测试集及训练集的步骤，重新构建测试集及训练集，对所述更新疾病预测模型进行训练；
[0021]当所述疾病预测准确率大于或等于所述合格阈值，得到训练完成的疾病预测模型。
[0022]可选的，所述根据决策树训练算法及所述辅助损失对所述疾病预测模型进行训练，得到更新疾病预测模型，包括：
[0023]根据所述决策树训练算法，计算输入到所述疾病预测模型中随机森林网络的训练集的基尼指数：
[0024][0025]所述Gini Index(D)为基尼指数，D为训练集，K为训练集中的疾病预测类型，|C
k
|为训练集D中属于第k个疾病预测类型的样本数量；|D|为训练集D中样本数量；
[0026]根据所述基尼指数及所述诱因识别网络产生的诱因预测结果集合，构建在所述诱因预测结果集合的条件下所述训练集的基尼指数：
[0027][0028]其中，A为诱因预测结果集合，v为诱因预测结果集合A中的特征，C
v
是指诱因预测结果集合A中属于特征v的子集，|C
v
|为所述C
v
子集中的样本数，D
v
为所述训练集D中属于特征v的子集；根据梯度下降方法对所述诱因预测结果集合的条件下所述训练集的基尼指数及所述辅助损失进行网络逆向参数更新，得到更新疾病预测模型。。
[0029]可选的，所述利用预构建的疾病预测模型，根据所述身体状况画像，对所述生理特征结果集合进行疾病预测，得到疾病识别结果，包括：
[0030]利用预构建的疾病预测模型对所述生理特征集合中的各个生理特征进行诱因识别，得到诱因识别结果集合；
[0031]对所述身体状况画像进行特征提取，得到身体状态特征序列；
[0032]对所述身体状态特征序列与所述诱因识别结果集合进行基于疾病识别的随机森林分类操作，得到疾病识别结果。
[0033]可选的，所述分别对所述眼部图像、耳部图像及面部图像进行生理特征识别，得到生理特征结果集合，包括：
[0034]对所述眼部图像进行基于血丝、肿胀及眼白颜色的生理特征识别操作，得到第一识别结果；
[0035]对所述耳部图像进行基于颜色与耳郭形状的生理特征识别操作，得到第二识别结果；
[0036]对所述面部图像进行基于面色及肿胀的生理特征识别操作，得到第三识别结果；
[0037]将所述第一识别结果、第二识别结果及第三识别结果构建生理特征结果集合。
[0038]可选的，所述根据所述基本信息及医疗体检信息，构建所述目标人物的身体状况画像，包括：
[0039]对所述基本信息及医疗体检信息进行数据分箱操作，并对分箱结果进行异常值清洗操作，得到干净文本；
[0040]对所述干净文本进行分词量化操作，得到分词向量；
[0041]对所述分词向量进行特征提取，得到文本特征集合，并利用条件随机场网络对所述文本特征集合进行标签识别，得到标签集合；
[0042]对所述标签进行相似度聚类操作，得到所述人物对应的身体状况画像。
[0043]可选的，所述根据所述疾病识别结果，生成健康提示信息，包括：
[0044]根据所述提示信息，发送至预构建的发声设备进行语音播报；
[0045]根据疾病识别结果，识别疾病危险程度，并根据所述疾病危险程度进行灯光报警。
[0046]为了解决上述问题，本专利技术还提供一种基于智能镜的健康监护装置，所述装置包括：
[0047]镜子监控模块，用于当智能镜检测到目标人物时，获取所述目标人物的头部图像，并根据所述本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于智能镜的健康监护方法，其特征在于，所述方法包括：当智能镜检测到目标人物时，获取所述目标人物的头部图像，并根据所述头部图像识别所述目标人物的身份信息，根据所述身份信息调取所述目标人物的基本信息及医疗体检信息，并根据所述基本信息及医疗体检信息，构建所述目标人物的身体状况画像；利用预构建的掩码矩阵，对所述目标人物的头部图像进行基于眼与耳部位的掩码切割操作，得到所述头部图像中的眼部图像、耳部图像及面部图像；分别对所述眼部图像、耳部图像及面部图像进行生理特征识别，得到生理特征结果集合；利用预构建的疾病预测模型，根据所述身体状况画像，对所述生理特征结果集合进行疾病预测，得到疾病识别结果；根据所述疾病识别结果，生成健康提示信息，并将所述健康提示信息发送给预设的便携式电子设备。2.如权利要求1所述的基于智能镜的健康监护方法，其特征在于，所述利用预构建的疾病预测模型之前，所述方法还包括：获取预构建的医学语料样本集合，将所述医学语料样本集合根据预设比例划分为测试集及训练集，及获取包含诱因识别网络及随机森林网络的疾病预测模型，并对所述诱因识别网络进行辅助任务配置；依次从所述训练集中提取一个医疗语料，利用所述疾病预测模型对所述医疗语料进行网络正向计算，得到诱因预测结果集合；根据所述辅助任务，利用交叉熵损失算法对所述医疗语料对应的真实医学标签及所述诱因预测结果集合进行损失计算，得到辅助损失；根据决策树训练算法及所述辅助损失对所述疾病预测模型进行训练，得到更新疾病预测模型；判断所述训练集中各个医疗语料是否全部参与训练；当所述训练集中存在没有参与训练的医疗语料时，返回上述依次从所述训练集中提取一个医疗语料的步骤，对所述更新疾病预测模型进行迭代更新；当所述训练集中各个医疗语料全部参与训练时，利用所述更新疾病预测模型对所述测试集进行疾病预测，得到疾病预测准确率；判断所述疾病预测准确率是否大于预设的合格阈值；当所述疾病预测准确率小于所述合格阈值，则返回上述将所述医学语料样本集合根据预设比例划分为测试集及训练集的步骤，重新构建测试集及训练集，对所述更新疾病预测模型进行训练；当所述疾病预测准确率大于或等于所述合格阈值，得到训练完成的疾病预测模型。3.如权利要求2所述的基于智能镜的健康监护方法，其特征在于，所述根据决策树训练算法及所述辅助损失对所述疾病预测模型进行训练，得到更新疾病预测模型，包括：根据所述决策树训练算法，计算输入到所述疾病预测模型中随机森林网络的训练集的基尼指数：
所述Gini(D)为基尼指数，D为训练集，K为训练集中的疾病预测类型，|C
k
|为训练集D中属于第k个疾病预测类型的样本数量；|D|为训练集D中样本数量；根据所述基尼指数及所述诱因识别网络产生的诱因预测结果集合，构建在所述诱因预测结果集合的条件下所述训练集的基尼指数：其中，A为诱因预测结果集合，v为诱因预测结果集合A中的特征，C
v
是指诱因预测结果集合A中属于特征v的子集，|C
v
|为所述C
v
子集中的样本数，D
v
为所述训练集D中属于特征v的子集；根据梯度下降方法对所述诱因预测结果集合的条件下所述训练集的基尼指数及所述辅助损失进行网络逆向参数更新，得到更新疾...

【专利技术属性】
技术研发人员：陈清源，凃岐旭，陈强，李欣伟，廖硕，
申请(专利权)人：东莞莱姆森科技建材有限公司，
类型：发明
国别省市：