论文部分内容阅读
众所周知,中医讲究“望闻问切”,其中的“望”是指观察患者的面部特征,从而初步判断病情。但这需要有一定的经验积累。近年来,中医关于“望”的客观化和计算机辅助诊断的研究也随着图像采集和计算机大数据技术的发展成为计算机辅助诊断的研究热点。为了提高确诊率和治愈率,有很多复杂的儿童疾病,目前也采用中医“望”的方法进行辅助诊断,也就是根据面部图像进行辅助识别与诊断,尤其是对儿童生长发育类疾病,如特纳综合症、甲状腺功能减退等疾病,由于儿童年龄小,无法表达清楚自己的症状而耽误治疗的情况时有发生。本文针对上述儿童发育类疾病的计算机辅助诊断需求,提出了一种基于儿童面部图像的疾病分类分识别方法。这对解决偏远地区儿童的就医问题,有一定的参考价值。本文的主要工作和创新点如下:1、收集关于儿童生长发育类的面部图像,建立数据库,并完成图像预处理的工作。2、首先采用卷积神经网络(Convolutional Neural Network,CNN)结合支持向量机(Support Vector Machine,SVM)的混合方法(CNN+SVM),对特纳综合症、性早熟、甲状腺功能减退、乳房发育不良、矮小、生长激素缺乏六类关于儿童生长发育类疾病进行分类识别,选出与面部图像特征相关性较强的三类再进一步细分,最后对筛选出特纳综合症是最适合采用面部图像进行辅助诊断,并对该种疾病采用核型分类方法进行了实验研究,研究表明,本文所提出的方法对特纳综合症、甲状腺功能减退、生长激素缺乏具有较好的识别效果,其中,特纳综合症最适合面部图像辅助诊断。3、探索了特纳核型的面部图像区分方法,对比分析了改进后的VGG16网络和混合框架,实验证明不同核型具有区分性。