【技术实现步骤摘要】
本专利技术涉及口腔医学，具体涉及一种基于头颅侧位片的颞下颌关节骨数据处理方法及处理终端。
技术介绍
1、现有临床实践中运用的颞下颌关节骨关节炎（temporomandibular jointosteoarthrosis, tmjoa）诊断方法基于颞下颌关节紊乱病诊断标准（diagnosticcriteria for temporomandibular disorders, dc/tmd），分为无影像学诊断和影像学诊断两种。
2、dc/tmd的影像学诊断主要基于锥形束ct（cone beam computed tomography,cbct），医师根据cbct图像中提供的数据，可以根据自身的医学知识进行tmjoa的诊断，但cbct检查存在成本高、辐射剂量大的问题，对患者经济和健康有较大的影响，且基层医疗机构可能缺乏cbct设备以及接受过相应训练的放射医师。
技术实现思路
1、本专利技术所要解决的技术问题是通过cbct获取颞下颌关节骨数据的成本高、辐射大，目的在于提供一种基于头颅侧位片的颞下颌关节骨数据处理方法及数据处理终端，实现了通过头影测量侧位x线片获取颞下颌关节骨的相关数据。
2、本专利技术通过下述技术方案实现：
3、一种基于头颅侧位片的颞下颌关节骨数据处理方法，包括：
4、数据收集：获取多条原始数据，每条原始数据均包括年龄、性别、头影测量侧位x线片、tmjoa；
5、数据清洗：通过头影测量侧位x线片获取特征集，特征集包
6、模型建立：构建基于xgboost算法的颞下颌关节骨数据预测模型；
7、超参数调优：获取用于对颞下颌关节骨数据预测模型进行训练的超参数；
8、特征选择：通过递归特征消除选择最优的特征子集，最优的特征子集中包含n个头影测量变量，n⩽m；
9、模型训练：通过最优的特征子集、调优后的超参数对建立的颞下颌关节骨数据预测模型进行训练，获得训练后的颞下颌关节骨数据预测模型；
10、数据输入：获取待预测数据，待预测数据包括年龄、性别、头影测量侧位x线片；并通过头影测量侧位x线片获取最优特征子集对应的n个头影测量变量；
11、数据输出，将待预测数据输入至训练后的颞下颌关节骨数据预测模型，获得预测值。
12、可选地，特征集中的头影测量变量包括：特征集中的头影测量变量包括：saddlesella angle、s-ar-go`、s-n、s-ar、co-a、sna、snb、ar-go`-me、dc-xi-pm、y-axis、y-axislength、ar-go`、go`-me、anb、wits、fma、sn-mp、pp-fh、op-fh、mp-op、pp-op、ans-xi-pm、n-me、s-go`、u1-l1、u1-sn、fmia、impa、u6-pp、l6-mp、u1-ans、l1-me、overjet、overbite、fh-pop、fh-aop、fh-u6、fh-l6、inter molar angle、ul-ep、ll-ep；
13、通过stringr包和正则表达式将头影测量变量转换为r语言中的规范变量。
14、可选地，对tmjoa进行二分类转化，若tmjoa结果为是，则令tmjoa=1；若tmjoa结果为非，则令tmjoa=0。
15、具体地，颞下颌关节骨数据预测模型的建立方法包括：
16、获得最优权重下的目标函数式；
17、通过贪婪算法拟合最优结构，获得颞下颌关节骨数据预测模型。
18、具体地，最优权重下的目标函数式的获取方法包括：
19、构建正则化项，，其中，为第t次迭代时新增的决策树，为l2正则化系数，为正则化超参数，t为决策树模型中叶子结点的个数，为所有叶子结点权重所组成向量的l2范数的平方；
20、定义颞下颌关节骨数据预测模型的第t次迭代的目标函数近似式：，其中，为损失函数，为第i个样本的真实值，为第t-1次迭代后的模型对第t个样本的预测值，为第t次迭代中新添加的决策树对第i个样本的预测值，n为样本的总数；
21、对进行二阶泰勒公式展开，获得展开式：，其中，为损失函数关于预测值的一阶导数，，为对的一阶求导，为损失函数关于预测值的二阶导数，，为对的二阶求导；
22、将不影响最优化过程的常数项移除，获得目标函数式：，其中，为叶子结点j的权重；
23、令第j个叶子结点的样本集合为，改写目标函数式：，其中，为叶子结点j上所有样本的累加值，为叶子结点j上所有样本的累加值；
24、求解获得最小叶子结点权重，并使用获得最优权重下的目标函数：。
25、具体地，通过贪婪算法拟合最优结构的方法包括：
26、a)初始化一个根结点的树，其中所有训练样本均位于一个叶子结点上，使用公式为叶子结点确定权重，并基于计算初始目标函数值；
27、b)对当前的每一个叶子结点，检查所有可能的分裂特征，并对于每一个特征，依次尝试所有可能的分裂点，计算分裂后的每个叶子结点的和，并计算分裂后的目标函数值，并与分裂前的目标函数值进行比较，获得使目标函数值降低最多的分裂；
28、c)使用公式为每个叶子结点确定权重；
29、d)判断是否达到停止准则，若达到，则获得颞下颌关节骨数据预测模型；若未达到则返回步骤b)并构建新的树。
30、可选地，停止准则为预定的树的数量、树的最大深度、最小样本数或分裂不能进一步降低目标函数值。
31、具体地，超参数调优的方法为：通过网格搜索，对超参数进行3折交叉验证，选择auc最高的超参数集合作为训练使用的超参数。
32、可选地，最优的特征子集的选择方法依次包括：全特征集模型训练、特征重要性计算、消除低重要性特征、计算子集模型性能、返回最优子集；
33、其中，全特征集模型训练在包含m个头影测量变量的特征集中进行模型训练；
34、特征重要性计算根据特征在模型中作为分裂结点的次数作为重要性度量；
35、消除低重要性特征根据特征重要度消除重要性最低的某个特征，并在剩余特征训练集上使用3折交叉验证训练模型；
36、计算子集模型性能通过3折交叉验证建立的模型在测试集上的auc值作为子集模型性能；
37、循环特征重要性计算、消除低重要性特征、计算子集模型性能三个步骤直至没有特征可以被消除；
38、然后比较所有子集模型的性能，返回最优子集。
39、一种基于头颅侧位片的颞下颌关节骨数据处理终端，包括存储器、处理器以及存储在存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上所述的一种基于头颅侧位片的颞下颌关节骨数据本文档来自技高网...
【技术保护点】
1.一种基于头颅侧位片的颞下颌关节骨数据处理方法，其特征在于，包括：
2.根据权利要求1所述的一种基于头颅侧位片的颞下颌关节骨数据处理方法，其特征在于，特征集中的头影测量变量包括：Saddle Sella Angle、S-Ar-Go`、S-N、S-Ar、Co-A、SNA、SNB、Ar-Go`-Me、Dc-Xi-Pm、Y-Axis、Y-Axis Length、Ar-Go`、Go`-Me、ANB、Wits、FMA、SN-MP、PP-FH、OP-FH、MP-OP、PP-OP、ANS-Xi-Pm、N-Me、S-Go`、U1-L1、U1-SN、FMIA、IMPA、U6-PP、L6-MP、U1-ANS、L1-Me、Overjet、Overbite、FH-POP、FH-AOP、FH-U6、FH-L6、Inter molarangle、UL-EP、LL-EP；
3.根据权利要求1所述的一种基于头颅侧位片的颞下颌关节骨数据处理方法，其特征在于，对TMJOA进行二分类转化，若TMJOA结果为是，则令TMJOA=1；若TMJOA结果为非，则令TMJOA=0。
4.根
5.根据权利要求4所述的一种基于头颅侧位片的颞下颌关节骨数据处理方法，其特征在于，最优权重下的目标函数式的获取方法包括：
6.根据权利要求5所述的一种基于头颅侧位片的颞下颌关节骨数据处理方法，其特征在于，通过贪婪算法拟合最优结构的方法包括：
7.根据权利要求6所述的一种基于头颅侧位片的颞下颌关节骨数据处理方法，其特征在于，停止准则为预定的树的数量、树的最大深度、最小样本数或分裂不能进一步降低目标函数值。
8.根据权利要求1所述的一种基于头颅侧位片的颞下颌关节骨数据处理方法，其特征在于，超参数调优的方法为：通过网格搜索，对超参数进行3折交叉验证，选择AUC最高的超参数集合作为训练使用的超参数。
9.根据权利要求1所述的一种基于头颅侧位片的颞下颌关节骨数据处理方法，其特征在于，最优的特征子集的选择方法依次包括：全特征集模型训练、特征重要性计算、消除低重要性特征、计算子集模型性能、返回最优子集；
10.一种基于头颅侧位片的颞下颌关节骨数据处理终端，包括存储器、处理器以及存储在存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1-9中任一项所述的一种基于头颅侧位片的颞下颌关节骨数据处理方法。
...【技术特征摘要】
1.一种基于头颅侧位片的颞下颌关节骨数据处理方法，其特征在于，包括：
2.根据权利要求1所述的一种基于头颅侧位片的颞下颌关节骨数据处理方法，其特征在于，特征集中的头影测量变量包括：saddle sella angle、s-ar-go`、s-n、s-ar、co-a、sna、snb、ar-go`-me、dc-xi-pm、y-axis、y-axis length、ar-go`、go`-me、anb、wits、fma、sn-mp、pp-fh、op-fh、mp-op、pp-op、ans-xi-pm、n-me、s-go`、u1-l1、u1-sn、fmia、impa、u6-pp、l6-mp、u1-ans、l1-me、overjet、overbite、fh-pop、fh-aop、fh-u6、fh-l6、inter molarangle、ul-ep、ll-ep；
3.根据权利要求1所述的一种基于头颅侧位片的颞下颌关节骨数据处理方法，其特征在于，对tmjoa进行二分类转化，若tmjoa结果为是，则令tmjoa=1；若tmjoa结果为非，则令tmjoa=0。
4.根据权利要求1所述的一种基于头颅侧位片的颞下颌关节骨数据处理方法，其特征在于，颞下颌关节骨数据预测模型的建立方法包括：
【专利技术属性】
技术研发人员：熊鑫，王军，郑耘昊，范佩迪，周雪曼，伊亚婷，程巧愉，
申请(专利权)人：四川大学，
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。