[发明专利]基于中医望诊的脑卒中特征提取与智能风险预测方法及系统

权利要求书

1.基于中医望诊的脑卒中特征提取方法，其特征在于：包括以下步骤：

S10，获取待测手掌、面部和耳部的图像信息；

S20，根据手部关键点模型进行手部ROI分割，以及根据面部关键点模型进行眉心ROI分割，以及根据耳部关键点模型进行耳垂ROI分割；

S30，根据手部ROI分割提取出手部的生命线过中线特征预测参数、红润特征预测参数、隆起特征预测参数与肥厚特征预测参数；

S40，根据眉心ROI分割提取出面部的折皱特征预测参数；

S50，根据耳垂ROI分割提取出耳垂的斜纹特征预测参数；

S60，对上述生命线过中线特征预测参数、红润特征预测参数、隆起特征预测参数、肥厚特征预测参数、折皱特征预测参数、斜纹特征预测参数汇总后输出；

所述步骤S30中，根据手部ROI分割提取出手部的生命线过中线特征预测参数、红润特征预测参数、隆起特征预测参数与肥厚特征预测参数；具体包括：

S301，对生命线过中线特征对应的生命线过中线ROI区域进行检测，通过基于边缘检测算法与曲线拟合算法判断生命线是否过中线，并根据判断结果，输出生命线过中线特征预测参数；

S302，对红润特征对应的红润ROI区域进行红润检测，通过基于HSV色域空间判断是否为红润，并根据判断结果，输出红润特征预测参数；

S303，对肥厚特征对应的肥厚ROI区域、隆起特征对应的隆起ROI区域进行肥厚、隆起检测，通过SVM模型分别判断是否为肥厚、隆起，并根据判断结果，输出隆起特征预测参数与肥厚特征预测参数；

所述步骤S40中，根据眉心ROI分割提取出面部的折皱特征预测参数，具体包括：

S401，将眉心ROI区域进行灰度转换后，利用直方图均衡化进行图像的增强；

S402，构建基于带状池化的卷积神经网络；

S403，将步骤S401处理后的图像输入到步骤S402卷积神经网络的特征提取器中，并利用长条形的池化kernel来实现池化，利用softmax层进行分类后输出预测得分；

S404，根据预测得分输出褶皱特征预测参数；

所述步骤S50中，根据耳垂ROI分割提取出耳垂的斜纹特征预测参数，具体包括：

S501，对耳垂ROI区域进行分割，提取分割后的斜纹所在区域图像；

S502，对分割后的耳垂图像进行对比度增强以及灰度处理得到预处理之后的耳垂图像；

S503，通过多尺度边缘检测算法对耳垂斜纹指数进行评分，最后输出评分结果；

S504，根据评分结果输出耳垂斜纹特征预测参数。