基于人脸特征的癌症筛查方法及筛查系统专利检索-多层感知器前馈神经网络人工神经网络机器学习人工智能专利检索查询-专利查询网

基于人脸特征的癌症筛查方法及筛查系统

阅读：650发布：2020-05-11

专利汇可以提供基于人脸特征的癌症筛查方法及筛查系统专利检索，专利查询，专利分析的服务。并且本发明公开了基于人脸特征的癌症筛查方法及筛查系统，根据一实施例，一种基于人脸特征的癌症筛查方法包括：获取测试者人脸图像，利用方向梯度直方图特征和级联回归技术检测人脸的位置并对齐，利用双线性插值将人脸图像放缩到统一尺寸；利用卷积神经网络提取人脸的特征；根据这些特征利用分类器计算癌症发病率。本发明的技术不需要借助任何专业的医疗设备，只需要测试人的照片即可得出测试人癌症发病概率。，下面是基于人脸特征的癌症筛查方法及筛查系统专利的具体信息内容。

权利要求

1.基于人脸特征的癌症筛查方法，其包括以下步骤：
(1)获取测试者正面人脸图像，并对获取的人脸图像进行预处理；
(2)提取人脸图像的特征；
(3)建立基于所述特征的癌症发病概率预测模型；
(4)根据癌症发病概率预测模型判断测试者的发病概率。
2.根据权利要求1所述的基于人脸特征的癌症筛查方法，其特征在于，在所述步骤(1)中，所述人脸图像预处理方法包括：
利用方向梯度直方图特征检测人脸的位置；
根据所述人脸位置信息，利用级联回归技术检测人脸中眼睛、鼻子、嘴巴等标志点的位置；
利用人脸中标志点的位置，对图像进行放射变换，使得人脸在图像中处于居中对齐的位置；以及
利用双线性插值将人脸图像放缩到统一尺寸，
其中，经过预处理的人脸图像被用于所述的特征提取。
3.根据权利要求2所述的基于人脸特征的癌症筛查方法，其特征在于，在所述步骤(2)中，人脸图像的特征通过卷积神经网络提取，具体方法包括：
利用公开的人脸数据集训练神经网络，以及训练过程中采用三元组损失函数；其中，经过训练的神经网络被用于提取人脸图像的特征。
4.根据权利要求2所述的基于人脸特征的癌症筛查方法，其特征在于，在所述步骤(3)中，基于所述特征的癌症发病概率预测模型是利用多层感知器分类器，应用支持向量机或者逻辑回归建立。
5.基于人脸特征的癌症筛查系统，其采用权利要求1-4任意一项所述的基于人脸特征的癌症筛查方法，其特征在于，其包括
输入模块，所述输入模块用于采集并接收测试者人脸图像数据；
预测模块，所述预测模块用于基于人脸特征的癌症发病概率预测；以及
输出模块，所述输出模块用于输出所预测的癌症发病概率。
6.根据权利要求5所述的基于人脸特征的癌症筛查系统，其特征在于，其还包括：
预处理模块，所述预处理模块用于检测图像中人脸的位置，并进行仿射变换对齐人脸图像并插值到统一尺寸，其中，所述预测模块是基于所述特征来预测癌症发病概率。
7.根据权利要求6所述的基于人脸特征的癌症筛查系统，其特征在于，其还包括：
检测模块，所述检测模块用于检测图像中人脸的位置，并提取人脸特征点；以及变换模块，所述变换模块利用所述人脸特征点对人脸图像进行放射变换，并对图像进行插值处理，统一图像尺寸。
8.根据权利要求6所述的基于人脸特征的癌症筛查系统，其特征在于，其还包括：
特征提取模块，所述特征提取模块用于从所述预处理之后的人脸图像中提特征。
9.根据权利要求8所述的基于人脸特征的癌症筛查系统，其特征在于，所述预测模块根据所述提取的特征，利用多层感知器分类器、应用支持向量机或者逻辑回归建立预测模型。
10.一种放射治疗结果预测装置，包括：
存储器，其上存储有计算机指令；以及
处理器，配置为运行所述计算机指令以执行权利要求1-5中的任一项所述的方法。

说明书全文

基于人脸特征的癌症筛查方法及筛查系统

技术领域

[0001] 本发明涉及模式识别与智能系统领域，更特别地，涉及一种基于人脸特征的癌症筛查方法及系统。

背景技术

[0002] 癌症严重威胁着人类的健康，据统计，我国癌症患者5年生存率仅为30.9％，癌症已经成为城镇人口死亡的首要因素。而且，我国近十几年来癌症的发病死亡呈现出持续上升的趋势，癌症防控形势严峻，癌症的早期筛查尤为重要。以我国发病率最高的肺癌为例，0、Ia期患者5年生存率可达90％和60％，而II-IV期患者总的5年生存率从40％下降到5％。
癌症的早期筛查不仅能够明显的提高5年生存率，而且可以有效的降低诊疗费用，使得有限的医疗资源得到充分的利用。癌症的早期筛查的常用手段包括血液检测、基因检测、纳米检测、以及基于超声、CT以及MRI等医学影像的检测等。这些检测手段需要借助特定的诊疗设备，需要测试者到医院或者专业的诊疗机构进行测试。主观上，我国大部分人口缺乏癌症防治意识；客观上，我国相当一部分地区经济条件落后，癌症筛查设备普及率较低。

发明内容

[0003] 针对以上问题，本申请公开了一种基于人脸特征的癌症筛查技术和系统。该技术不需要借助任何专业医疗设备，大大降低了癌症筛查的门槛。一般而言，本发明的目的可如下地实现：首先对图像进行预处理，检测图像中的人脸并进行对齐和归一化处理，然后通过卷积神经网络(convolutional neural network，CNN)提取特征，最后以特征向量为输入，利用分类器得出癌症的发病概率。

[0004] 图像预处理步骤中的人脸检测环节利用方向梯度直方图(histogram of oriented gradients，HOG)特征结合线性回归(linear regression)，图像金字塔(image pyramid)以及滑动窗口探测策略(sliding window detection scheme)快速检测出图像中的正面人脸，同时标定出人脸图像的位置。然后利用级联回归算法(ensemble of regression tree，ERT)，也就是梯度提升树(gradient boosting decision tree，GBDT)检测人脸图像的68个标志点，然后根据标志点确定人脸的姿态(pose)，并将人脸旋转到平直状态，同时双线性插值(bilinear interpolation)人脸图像至同样的尺寸。

[0005] 经过预处理的图像输入到CNN进行特征提取。CNN一般由卷积层、线性整流(rectified linear units，Relu)层和池化(pooling)层组成。其中，由浅入深的卷积层分别提取图像中由简单到复杂的特征；ReLU层作为网络的激活函数，增强了网络的非线性特性与适应性；池化层进一步筛选出更加显著的特征，防止网络过拟合。分类器一般可以选用多层感知器(multilayer perceptron)、支持向量机(support vector machine)或者逻辑回归(logistic regression)等。

[0006] 一种基于人脸特征的癌症筛查方法，其包括以下步骤：

[0007] (1)获取测试者正面人脸图像，并对获取的人脸图像进行预处理；

[0008] (2)提取人脸图像的特征；

[0009] (3)建立基于所述特征的癌症发病概率预测模型；

[0010] (4)根据癌症发病概率预测模型判断测试者的发病概率。

[0011] 进一步，作为优选，在所述步骤(1)中，所述人脸图像预处理方法包括：

[0012] 利用方向梯度直方图特征检测人脸的位置；

[0013] 根据所述人脸位置信息，利用级联回归技术检测人脸中眼睛、鼻子、嘴巴等标志点的位置；

[0014] 利用人脸中标志点的位置，对图像进行放射变换，使得人脸在图像中处于居中对齐的位置；以及

[0015] 利用双线性插值将人脸图像放缩到统一尺寸，

[0016] 其中，经过预处理的人脸图像被用于所述的特征提取。

[0017] 进一步，作为优选，在所述步骤(2)中，人脸图像的特征通过卷积神经网络提取，具体方法包括：

[0018] 利用公开的人脸数据集训练神经网络，以及训练过程中采用三元组损失函数；其中，经过训练的神经网络被用于提取人脸图像的特征。

[0019] 进一步，作为优选，在所述步骤(3)中，基于所述特征的癌症发病概率预测模型是利用多层感知器分类器，应用支持向量机或者逻辑回归建立。

[0020] 进一步，本发明还提供了基于人脸特征的癌症筛查系统，其特征在于，其包括[0021] 输入模块，所述输入模块用于采集并接收测试者人脸图像数据；

[0022] 预测模块，所述预测模块用于基于人脸特征的癌症发病概率预测；以及[0023] 输出模块，所述输出模块用于输出所预测的癌症发病概率。

[0024] 进一步，作为优选，其还包括：

[0025] 预处理模块，所述预处理模块用于检测图像中人脸的位置，并进行仿射变换对齐人脸图像并插值到统一尺寸，其中，所述预测模块是基于所述特征来预测癌症发病概率。

[0026] 进一步，作为优选，其还包括：

[0027] 检测模块，所述检测模块用于检测图像中人脸的位置，并提取人脸特征点；以及[0028] 变换模块，所述变换模块利用所述人脸特征点对人脸图像进行放射变换，并对图像进行插值处理，统一图像尺寸。

[0029] 进一步，作为优选，其还包括：

[0030] 特征提取模块，所述特征提取模块用于从所述预处理之后的人脸图像中提特征。

[0031] 进一步，作为优选，所述预测模块根据所述提取的特征，利用多层感知器分类器、应用支持向量机或者逻辑回归建立预测模型。

[0032] 此外，本发明还提供了一种放射治疗结果预测装置，包括：

[0033] 存储器，其上存储有计算机指令；以及

[0034] 处理器，配置为运行所述计算机指令以执行本所述的方法。

[0035] 与现有技术相比，本发明的有益效果是：

[0036] 1.本发明公开的癌症筛查技术不需要借助任何专业的医疗设备，只需要测试人的照片即可得出测试人癌症发病概率；

[0037] 2.本发明公开的癌症筛查技术方便快捷，而且没有任何毒副作用。附图说明

[0038] 图1：基于HOG特征的人脸位置检测流程图。

[0039] 图2：图像预处理实例。

[0040] 图3：人脸的68个标志点示意图。

[0041] 图4：本发明的筛查系统的结构框图。

具体实施方式

[0042] 请参阅图1～4，下面将结合附图描述各个环节的实施过程，并结合示例给出一个完整的实施例。

[0043] 1.基于方向梯度直方图(histogram of oriented gradients，HOG)特征的人脸位置检测

[0044] 在进行HOG特征检测之前，通过图像金字塔技术将检测图像放缩到多个不同的尺寸，然后利用滑动检测窗口策略对多个不同尺寸的窗口进行检测。滑动窗口大小确定为20×20。对于输入图像，首先转化为灰度图像，并进行Gamma矫正，防止光线太亮或者太暗影响处理结果。然后计算图像沿水平(H(x，y))和竖直(V(x，y))方向的梯度并确定梯度的模值(m(x，y))和方向(θ(x，y))：

[0045]

[0046] θ(x，y)＝tan-1(V(x，y)/H(x，y))

[0047] 梯度模板应当能够较好的保留图像中的边缘特征，同时又足够简单确保计算速度，本发明选择中心对称的一维横向模板[-1，0，1]。将4×4个像素定义为一个cell，将相邻的4×4个cell定义为一个block，每个滑动窗口包括5×5个cell，滑动窗口每次移动8个像素。以20°为一个区间，统计每个cell中的梯度方向直方图，然后利用L2范数对单个block的方向梯度直方图进行归一化处理，以降低噪声的阶跃效应，进而得到图像的HOG特征。最后将生成的HOG特征向量输入线性规划模型，得出人脸的位置。线性规划模型通过网上公开的LFW人脸数据集进行训练。

[0048] 2.标志点检测与人脸对齐

[0049] 确定人脸的位置之后需要检测人脸的68个标志点，如图3所示，然后根据标志点对齐人脸。本发明采用基于级联回归的局部二值特征(local binary feature，LBF)确定标志点的位置。级联回归通过多个串联的回归器，使得回归器的输出逐渐收敛到ground truth，尤其适用于比较复杂、无法通过单个回归器一步完成的任务。对于人脸标志点检测问题，每级回归器包括两个步骤：首先通过随机森林(random forest，RF)回归树得到样本的节点位置，进而确定LBF；然后汇总所有LBF特征，与全局回归矩阵(W)相乘得到最终的预测结果。级联层数确定为10层，每层对应的回归树和全局回归矩阵分别为RFi，Wi(i＝1，2···，10)。级联回归的迭代过程如下：

[0050] Si+1＝Si+ΔS

[0051] ΔS＝Wi×F(I，Si)

[0052] 其中Si和Si+1分别为i层和i+1层级联得到的标志点位置，ΔS为偏移量。F(I，Si)表示根据当前标志点的位置得到LBF特征的函数。具体过程如下，首先根据以当前标志点为中心的高斯分布函数，随机选取标志点周围一系列的点，这些点的灰度值代表了当前标志点周围的纹理分布；对这些点应用RF中的CART弱编码分类树，得到01编码；组合所有标志点得到LBF特征值。级联层中的回归树和全局回归矩阵通过网上公开的ibug人脸数据集训练得到。得到人脸标志点之后，根据人脸五官的特征得到仿射变换矩阵，对图像进行旋转和平移，使得图像中的人脸处于平直状态。与此同时，应用双线性差值将人脸图像差值到150×150的分辨率，作为下一步的输入。

[0053] 3.CNN与分类器

[0054] 人脸图像经过对齐和归一化处理之后输入CNN提取特征，然后通过分类器得出癌症发病概率。本发明公布的实例采用ResNet34网络提取特征，采用多层感知器作为分类器。受限于样本数量，深度神经网络有可能随着网络深度的增加而出现过拟合的情况。ResNet网络增加了一个恒等映射的捷径，有效的避免了过拟合的出现。ResNet网络提取特征为的维度为128，然后将这些特征输入维度为128×64，64×64以及64×2的多层感知器，最终得出癌症发病率。其中ResNet利用网上公开的scrub和VGG人脸数据集进行训练，训练数据集共包括300万张经过标定的人脸图像。多层感知器的训练数据集包括标注为癌症患者的人脸图像和非癌症患者的人脸图像两部分。其中，非癌症患者人脸图像采用网上公开的megaage asia人脸数据集，共40675张；癌症患者人脸图像为本发明收集的癌症患者人脸数据集，共10482张。随机选取多层感知器的训练数据集中的1/10作为测试数据集，其余部分作为训练数据集。测试集的AUC的值达到0.95，证明预测模型的有效性。

[0055] 以上所述的，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。

标题	发布/更新时间	阅读量
一种利用卷积多层注意力网络机制生成面向查询的视频摘要的方法	2020-05-13	804
自动自适应气候控制	2020-05-14	393
一种GIS隔离开关触头温度预测方法、装置及可读存储介质	2020-05-16	484
一种基于三维空间时序建模的深度视频人体行为识别方法	2020-05-19	651
一种基于安全态势感知的传感云双层网络防御系统及方法	2020-05-15	316
基于多挑战感知学习模型的训练、跟踪方法	2020-05-14	462
方案筛选方法、方案筛选装置、介质以及电子设备	2020-05-16	330
基于数据驱动与物理模型驱动结合的电网调频控制方法	2020-05-17	875
一种基于结构化用户属性描述的个性化任务型对话系统	2020-05-19	547
一种具有杀菌功能的灯条	2020-05-11	781

基于人脸特征的癌症筛查方法及筛查系统

基于人脸特征的癌症筛查方法及筛查系统

技术领域

背景技术

发明内容

具体实施方式

该功能需要专业版企业版VIP权限，您可以：