[发明专利]家系图的识别方法、装置、设备和计算机可读存储介质

说明书

本申请提供了一种家系图的识别方法、装置、设备和计算机可读存储介质，方法包括获取待识别图像；将待识别图像输入至迁移学习训练的第一卷积神经网络模型，输出图像类型；当图像类型为家系图类型时，将待识别图像分别输入至迁移学习训练的第二卷积神经网络模型和第三卷积神经网络模型，以输出家系图中个体特征和世代个体的亲缘关系线；根据个体特征和亲缘关系线，结合家系图的绘制规则解析出最终的家系树结构。该方法对收集的家系图进行标记，根据迁移学习原理，分别训练第一、二、三卷积神经网络模型，实现家系图的高识别率。同时该方法训练效率高，能够适应实际应用中对增量学习的要求。

技术领域

本申请涉及图像识别与处理技术领域，具体涉及一种家系图的识别方法、装置、设备和计算机可读存储介质。

背景技术

家系图(pedigree)是医学遗传学中用来梳理与分析病人家庭背景情况的常用工具，它可以反映先证者家庭中与其健康问题有关的各方面信息，主要包括4个方面：家庭结构、人口统计学数据、家庭生活事件和健康问题。另外，通过家系图中患者的遗传关系可以判断单基因遗传病的遗传方式，例如常染色体显性遗传病、常染色体隐性遗传病、性连锁显性遗传病以及性连锁隐性遗传病。随着疾病基因定位的广泛开展，研究人员常需要借助家系图来用作资料的收集与保存，那么对家系图进行识别就显得尤为重要。

目前在家系图识别中，主要依赖于专业人员的经验去判断，这种方式费时费力，通常会带有主观意识，对于缺乏经验的人而言，很有可能会发生误判，即使是训练有素的医学工作者也会得到不同的结果。

发明内容

有鉴于此，本申请实施例中提供了一种家系图的识别方法、装置、设备和计算机可读存储介质。

第一方面，本申请实施例提供了一种家系图的识别方法，该方法包括：

获取待识别图像；

将所述待识别图像输入至迁移学习训练的第一卷积神经网络模型，输出图像类型；

当所述图像类型为家系图类型时，将所述待识别图像分别输入经过迁移学习训练的第二卷积神经网络模型和第三卷积神经网络模型，以输出个体特征和亲缘关系线；

根据所述个体特征和所述亲缘关系线建立家系树。

第二方面，本申请实施例提供了一种家系图的识别装置，该装置包括：

待识别图像获取模块，用于获取待识别图像；

图像类型输出模块，用于将所述待识别图像输入至迁移学习训练的第一卷积神经网络模型，输出图像类型；

特征及关系线输出模块，用于当所述图像类型为家系图类型时，将所述待识别图像分别输入至迁移学习训练的第二卷积神经网络模型和第三卷积神经网络模型，以输出个体特征和亲缘关系线；

家系树建立模块，用于根据所述个体特征和所述亲缘关系线建立家系树。

第三方面，本申请实施例提供了一种终端设备，包括：存储器；一个或多个处理器，与所述存储器耦接；一个或多个应用程序，其中，一个或多个应用程序被存储在存储器中并被配置为由一个或多个处理器执行，一个或多个应用程序配置用于执行上述第一方面提供的家系图的识别方法。