[发明专利]一种心血管疾病诊断模型的构建方法、系统及该诊断装置

摘要

本发明公开了一种心血管疾病诊断模型的构建方法、系统及该诊断模型，该方法包括：构建带标签的侧脸数据集；对级联分类器进行训练，获得耳朵检测模型；分别采用VGG、GoogleNet以及ResNet神经网络模型对耳朵对象进行特征提取；采用空间金字塔对神经网络模型所提取到的耳朵特征进行特征整合，获得每种神经网络模型深度异构特征图；对深度异构特征图进行特征预处理；训练获得SVM分类器模型；将SVM分类器模型以及训练好的三种神经网络模型通过Bagging学习方式进行集成，获得心血管疾病诊断模型。本发明构建的心血管疾病诊断模型可以全面、科学地进行心血管疾病诊断与预测，精度较高，可广泛应用于医学数据的自动化处理领域中。

主权项

1.一种心血管疾病诊断模型的构建方法，其特征在于，包括以下步骤：S1、批量采集患者的侧脸图像，并为每张侧脸图像添加患病标签以及冠状沟标签后，构建带标签的侧脸数据集；所述患病标签指是否患心血管疾病的标记信息，所述冠状沟标签指耳垂位置是否具有冠状沟的标记信息；S2、基于侧脸数据集对级联分类器进行训练后，获得用于对侧脸图像进行耳朵对象裁剪分割的耳朵检测模型；其中，所述级联分类器由多个异质Adaboost强分类器通过串联的方式集成获得，且每个异质Adaboost强分类器均由多个弱分类器通过Boosting的方式集成得到；S3、分别采用训练好的VGG神经网络模型、GoogleNet神经网络模型以及ResNet神经网络模型对耳朵对象进行特征提取；S4、采用空间金字塔分别对VGG神经网络模型、GoogleNet神经网络模型以及ResNet神经网络模型所提取到的耳朵特征进行特征整合，获得每种神经网络模型所对应的融合了浅层特征图和深层特征图的深度异构特征图；S5、分别对三种神经网络模型的深度异构特征图进行特征预处理；S6、基于预处理后的深度异构特征图，训练获得SVM分类器模型；S7、将SVM分类器模型以及训练好的VGG神经网络模型、GoogleNet神经网络模型以及ResNet神经网络模型通过Bagging学习方式进行集成，获得心血管疾病诊断模型；所述步骤S4中，VGG神经网络模型提取得到的耳朵特征包括5个特征图，所述GoogleNet神经网络模型提取得到的耳朵特征包括3个特征图，所述ResNet神经网络模型提取得到的耳朵特征包括4个特征图，所述步骤S4具体包括：针对VGG神经网络模型、GoogleNet神经网络模型以及ResNet神经网络模型所提取到的每个特征图，分别采用自顶向下的方法构造特征金字塔，对具有强语义特征的深层特征图采用双线性插值的方式进行上采样，使其与下一层特征图的大小保持一致，对所有的特征图都使用1×1的卷积核进行降维，使得所有特征图的通道数保持一致，将经过上采样或降维处理后的上下两层特征图相加获得一新的特征图，并将获得的每一个新的特征图继续以同样的方式与下一层特征图相加，最后获得每个神经网络模型的融合了浅层特征图和深层特征图的深度异构特征图。