[发明专利]一种基于舌象和深度残差卷积神经网络的糖尿病预测方法

说明书

本发明公开了一种基于舌象和深度残差卷积神经网络的糖尿病预测方法，属于医疗领域，包括：构建舌象数据集；进行预处理；将舌象图片分类并标记；将标记好的舌象数据集划分为训练集，验证集，测试集；构建深度残差卷积神经网络，使用深度残差卷积神经网络对训练集中的舌象图片进行训练，得到风险预测模型；根据验证集和测试集中的舌象图片分别对风险预测模进行测试和评估。本发明的有益效果在于：基于Resnet网络利用深度残差构建模型，避免出现梯度下降及梯度消失的问题，削减信息冗余，减少迭代次数，准确率高、稳定；同时仅需一张舌象图片，即可判断出受试者患糖尿病的发展状况或糖尿病前期的风险概率，耗时短。

技术领域

本发明涉及医疗领域，尤其涉及一种基于舌象和深度残差卷积神经网络的糖尿病预测方法。

背景技术

舌象包括舌质和舌苔变化，舌质又称舌体，主要包括动作、形状、颜色等方面，舌苔变化主要包括颜色、质地等方面的变化情况，中医师通过肉眼观察舌质和舌苔的变化来判断人体的健康状况、疾病的发展变化，例如是否有胃病、糖尿病等。糖尿病是一种发病率非常高的慢性非传染性疾病，无早期诊断或正规治疗的糖尿病患者可能存在多个系统的并发症，严重危及了患者的生命安全。根据2013年的全国大普查可知，糖尿病患病率已经达到10.9％，其中4％的人患有糖尿病病史，尽管HbA1c的糖尿病诊断标准已经放宽，但依然有6.9％的新糖尿病患者。糖尿病前期是预防糖尿病的关键时期。因此，筛查人群中尚未被诊断的糖尿病患者十分有必要，能够让糖尿病患者尽早接受正规的治疗，避免发生其他系统的并发症。

目前，传统的糖尿病风险预测模型需要先进行有创检查才能进行预测，需要检查多维的数据才能进行预测，检查数据的要求较为严格，实施条件苛刻，同时糖尿病风险预测模型随着神经网络的层数不断加深，会出现梯度下降及梯度消失等问题，对模型的预测准确率和稳定性造成极大的影响，因此针对以上问题，迫切需要设计出一种基于舌象和深度残差卷积神经网络的糖尿病预测方法，以满足实际使用的需要。

发明内容

为了解决以上技术问题，本发明提供了一种基于舌象和深度残差卷积神经网络的糖尿病预测方法。

本发明所解决的技术问题可以采用以下技术方案实现：

本发明提供一种基于舌象和深度残差卷积神经网络的糖尿病预测方法，包括：

步骤S1，构建舌象数据集，所述舌象数据集包括多张舌象图片及每张所述舌象图片对应的诊断结果；

步骤S2，对所述舌象数据集中的所有所述舌象图片进行预处理；

步骤S3，将处理后的所述舌象图片按照所述诊断结果进行分类并标记，得到所述舌象图片对应的舌象数据；

步骤S4，将标记好的所述舌象数据集划分为训练集，验证集，测试集；

步骤S5，构建深度残差卷积神经网络，使用所述深度残差卷积神经网络对所述训练集中的所述舌象图片进行训练，得到风险预测模型；

步骤S6，根据所述验证集中的所述舌象图片对所述风险预测模型进行测试；以及

根据所述测试集中的所述舌象图片对所述风险预测模型进行评估。

优选地，所述步骤S2包括：

步骤S21，根据一预设的图像调整比例，得到一图像尺寸；

步骤S22，根据所述图像尺寸调整所述舌象图片的尺寸；

步骤S23，将调整尺寸后的所述舌象图片粘贴到一空白画布，并处理得到基于红、绿、蓝三种颜色的色彩空间中的图像；

步骤S24，分别对所述步骤S23中的图像进行归一化处理。

优选地，于训练所述风险预测模型之前，对所述深度残差卷积神经网络的参数进行初始化。