CN113470818A - 疾病预测方法、装置、***、电子设备及计算机可读介质 - Google Patents
疾病预测方法、装置、***、电子设备及计算机可读介质 Download PDFInfo
- Publication number
- CN113470818A CN113470818A CN202110775911.1A CN202110775911A CN113470818A CN 113470818 A CN113470818 A CN 113470818A CN 202110775911 A CN202110775911 A CN 202110775911A CN 113470818 A CN113470818 A CN 113470818A
- Authority
- CN
- China
- Prior art keywords
- disease
- infrared
- disease prediction
- determining
- sample
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 201000010099 disease Diseases 0.000 title claims abstract description 201
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 title claims abstract description 201
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000001931 thermography Methods 0.000 claims abstract description 96
- 208000023504 respiratory system disease Diseases 0.000 claims description 20
- 238000001514 detection method Methods 0.000 claims description 18
- 238000004422 calculation algorithm Methods 0.000 claims description 17
- 238000007477 logistic regression Methods 0.000 claims description 17
- 239000013598 vector Substances 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 9
- 238000012549 training Methods 0.000 claims description 7
- 239000000126 substance Substances 0.000 claims description 6
- 238000012216 screening Methods 0.000 abstract description 10
- 230000007613 environmental effect Effects 0.000 abstract description 7
- 238000013473 artificial intelligence Methods 0.000 abstract description 2
- 230000008569 process Effects 0.000 description 14
- 238000009529 body temperature measurement Methods 0.000 description 10
- 210000003800 pharynx Anatomy 0.000 description 10
- 230000036760 body temperature Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 210000002345 respiratory system Anatomy 0.000 description 5
- 238000012886 linear function Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 206010061218 Inflammation Diseases 0.000 description 2
- 201000007100 Pharyngitis Diseases 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 208000030270 breast disease Diseases 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000003759 clinical diagnosis Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000004054 inflammatory process Effects 0.000 description 2
- 230000036285 pathological change Effects 0.000 description 2
- 231100000915 pathological change Toxicity 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 206010011224 Cough Diseases 0.000 description 1
- 206010068319 Oropharyngeal pain Diseases 0.000 description 1
- 206010037660 Pyrexia Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 210000000481 breast Anatomy 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
- G01J5/0022—Radiation pyrometry, e.g. infrared or optical thermometry for sensing the radiation of moving bodies
- G01J5/0025—Living bodies
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10048—Infrared image
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Radiology & Medical Imaging (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Quality & Reliability (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明公开了一种疾病预测方法、装置、***、电子设备及计算机可读介质,涉及人工智能技术领域。该方法的一具体实施方式包括:获取疾病预测对象的红外热像图以及所述红外热像图中特征点对应的第一温度值;根据所述红外热像图的灰度值以及所述第一温度值,确定所述红外热像图中多个像素点分别对应的多个第二温度值;根据所述多个第二温度值以及预训练的疾病预测模型,确定所述疾病预测对象对应于目标疾病的患病概率;所述疾病预测模型是基于历史温度值以及一种或多种疾病对应的患病结果训练得到的。该实施方式减少了环境因素影响,降低了误判率,从而提高筛查结果的准确度。
Description
技术领域
本发明涉及人工智能技术领域,尤其涉及一种疾病预测方法、装置、***、电子设备及计算机可读介质。
背景技术
红外热成像这种无接触体温检测方式已被广泛应用,其对于疾病的早期筛查和诊断具有重要的意义。
目前,对于使用红外热成像的体温筛查,主要是通过比较红外热像图中单点的体温值和预设的高温阈值的大小来筛查出体温异常的人群,从而检出疑似病人。
在实现本发明过程中,发明人发现现有技术中至少存在如下问题:
红外热成像的图像采集容易受环境因素影响,因此只使用单点体温值和高温阈值的比较来做筛查,筛查结果的准确度较低,发生误判的可能性比较高。
发明内容
有鉴于此,本发明实施例提供一种疾病预测方法、装置、***、电子设备及计算机可读介质,能够根据疾病预测对象的红外热像图中特征点的第一温度值以及红外热像图的灰度值,确定所述红外热像图中多个像素点对应的多个第二温度值,从而降低红外热成像的图像采集过程和/或测温过程中环境因素的影响,提高测温结果的准确性。进一步地,根据多个像素点的第二温度值,利用疾病预测模型预测疾病预测对象的患病概率,能够有效的降低误判率,提高筛查结果的准确度。
为实现上述目的,根据本发明实施例的一个方面,提供了一种疾病预测方法,包括:
获取疾病预测对象的红外热像图以及所述红外热像图中特征点对应的第一温度值;
根据所述红外热像图的灰度值以及所述第一温度值,确定所述红外热像图中多个像素点分别对应的多个第二温度值;
根据所述多个第二温度值以及预训练的疾病预测模型,确定所述疾病预测对象对应于目标疾病的患病概率;所述疾病预测模型是基于历史温度值以及一种或多种疾病对应的患病结果训练得到的。
可选的,所述根据所述红外热像图的灰度值以及所述第一温度值,确定所述红外热像图中多个像素点分别对应的多个第二温度值,包括:
确定所述红外热像图中灰度值与温度值的对应关系;
根据所述红外热像图中多个像素点的灰度值、所述对应关系、所述第一温度值以及所述特征点的灰度值,确定所述多个像素点分别对应的所述多个第二温度值。
可选的,所述确定所述红外热像图中灰度值与温度值的对应关系,包括:
获取多张样本红外热像图;
在每一张所述样本红外热像图中确定样本检测点、以及所述样本检测点对应的样本灰度值和样本温度值;
根据所述多张样本红外热像图分别对应的所述样本灰度值以及所述样本温度值,确定所述对应关系。
可选的,所述根据所述多张样本红外热像图分别对应的所述样本灰度值以及所述样本温度值,确定所述对应关系,包括:
将所述多张样本红外热像图分别对应的所述样本灰度值以及所述样本温度值进行二维拟合,并将拟合结果作为所述对应关系。
可选的,所述根据所述红外热像图中多个像素点的灰度值、所述对应关系、所述第一温度值以及所述特征点的灰度值,确定所述多个像素点分别对应的所述多个第二温度值,包括:
根据所述拟合结果中的斜率、所述第一温度值以及所述特征点的灰度值,更新所述拟合结果中的截距;根据更新后的所述拟合结果和所述多个像素点的灰度值,确定所述多个第二温度值。
可选的,将所述红外热像图的中心像素点作为所述特征点。
可选的,所述疾病预测模型是基于逻辑回归算法构建的。
可选的,根据所述历史温度值以及一种或多种疾病对应的患病结果,对所述逻辑回归算法对应的权值向量进行训练,以得到所述疾病预测模型。
可选的,当所述目标疾病的概率大于预设阈值时,输出提示信息。
可选的,所述红外热像图包括:所述疾病预测对象的咽喉部图像;
所述目标疾病为呼吸***疾病。
根据本发明实施例的第二方面,提供了一种疾病预测装置,包括:获取模块、确定模块和预测模块;其中,
所述获取模块,用于获取疾病预测对象的红外热像图以及所述红外热像图中特征点对应的第一温度值;
所述确定模块,用于根据所述红外热像图的灰度值以及所述第一温度值,确定所述红外热像图中多个像素点分别对应的多个第二温度值;
所述预测模块,用于根据所述多个第二温度值以及预训练的疾病预测模型,确定所述疾病预测对象对应于目标疾病的患病概率;所述疾病预测模型是基于历史温度值以及一种或多种疾病对应的患病结果训练得到的。
根据本发明实施例的第三方面,提供了一种疾病预测***,包括:红外热成像仪、显示器和一种基于红外热像图识别的疾病预测装置;其中,
所述红外热成像仪,用于采集疾病预测对象的红外热像图;
所述疾病预测装置,用于根据所述红外热像图,预测所述疾病预测对象对应于目标疾病的患病概率;
所述显示器,用于显示所述疾病预测装置的预测结果。
根据本发明实施例的第四方面,提供了一种疾病预测的电子设备,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如上述第一方面提供的疾病预测方法中任一所述的方法。
根据本发明实施例的第五方面,提供了一种计算机可读介质,其上存储有计算机程序,所述程序被处理器执行时实现如上述第一方面提供的疾病预测方法中任一所述的方法。
上述发明中的一个实施例具有如下优点或有益效果:能够根据疾病预测对象的红外热像图中特征点的第一温度值以及红外热像图的灰度值,确定所述红外热像图中多个像素点对应的多个第二温度值,从而降低红外热成像的图像采集过程和/或测温过程中环境因素的影响,提高测温结果的准确性。进一步地,根据多个像素点的第二温度值,利用疾病预测模型预测疾病预测对象的患病概率,能够有效的降低误判率,提高筛查结果的准确度。
上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。
附图说明
附图用于更好地理解本发明,不构成对本发明的不当限定。其中:
图1是本发明一个实施例提供的一种疾病预测方法的流程示意图;
图2是本发明一个实施例提供的一种疾病预测装置的结构示意图;
图3本发明实施例还提供了一种疾病预测***的结构示意图;
图4是本发明实施例可以应用于其中的示例性***架构图;
图5是适于用来实现本发明实施例的终端设备或服务器的计算机***的结构示意图。
具体实施方式
以下结合附图对本发明的示范性实施例做出说明,其中包括本发明实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本发明的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
需要指出的是,在不冲突的情况下,本发明的实施例以及实施例中的技术特征可以相互结合。
图1是本发明一个实施例提供的基于红外热像图识别的疾病预测方法,该方法可以包括以下步骤S101至S103:
步骤S101:获取疾病预测对象的红外热像图以及所述红外热像图中特征点对应的第一温度值。
步骤S102:根据所述红外热像图的灰度值以及所述第一温度值,确定所述红外热像图中多个像素点分别对应的多个第二温度值。
步骤S102的一个可实施方式包括:确定所述红外热像图中灰度值与温度值的对应关系;根据所述对应关系、所述第一温度值以及所述特征点的灰度值,确定所述红外热像图中多个像素点分别对应的所述多个第二温度值。
对应关系还可以是图像的RGB值与温度值的单点对应方式、模型训练确定方式、拟合确定方式。
对应关系可以表示为对应表、曲线、直线。
在本发明一个优选的实施方式中,可以通过以下方式确定红外热像图中灰度值与温度值的对应关系:获取多张样本红外热像图;在每一张所述样本红外热像图中确定样本检测点、以及所述样本检测点对应的样本灰度值和样本温度值;根据所述多张样本红外热像图分别对应的所述样本灰度值以及所述样本温度值,确定所述对应关系。
在从样本红外热像图中确定样本检测点时,先确定出特征区域,例如,在预测呼吸***疾病的场景下,一般需要从样本红外图像中确定出咽喉部对应的特征区域,进而从特征区域中确定样本检测点,以提高后期预测疾病的准确度。对于多种流行性呼吸***疾病,其临床表征除了发热,还伴随着上呼吸道症状,例如,咽痛、咳嗽等症状。事实上,呼吸***疾病潜伏期间咽喉部的组织可能已经发生了病理改变,咽喉炎症部位的体温会发生变化,红外热成像技术对温度变化很敏感,在病变部位一开始发生细微变化时就已经能捕捉到这种温度的变化。因此,进行咽喉部对应的特征区域的红外热像图的分析将会提高呼吸***疾病的筛查结果的准确度。
在从特征区域确定样本检测点时,可以随机选择特征区域对应的任意一个像素点作为样本检测点,也可以根据实际测试需求,选择一个固定的像素点作为样本检测点。在本发明一个优选的实施方式中,可以将红外热像图中特征区域的中心像素点作为样本检测点,也即,所述样本检测点可以是所述红外热像图的中心像素点。由此,将中心像素点作为样本检测点,相对于将边缘像素点作为样本检测点来说,中心像素点所对应的温度值受环境的影响更小,从而便于提高温度测量的准确度。
在本发明的一个实施例中,所述根据所述多张样本红外热像图分别对应的所述样本灰度值以及所述样本温度值,确定所述对应关系,包括:将所述多张样本红外热像图分别对应的所述样本灰度值以及所述样本温度值进行二维拟合,并将拟合结果作为所述对应关系。
可理解的是,红外热成像仪的灰度值与温度值一般成线性关系,因此可以通过多个样本点的灰度值和温度值,使用最小二乘法拟合出相对应的线性函数,以确定所述对应关系。
例如,每一台红外热成像仪的灰度值与温度值的对应关系可能不同,此时可以通过获得所述红外热成像仪所拍摄的多张样本图片来拟合出所述对应关系。也即,通过获得多张样本红外热像图分别对应的多个样本像素点的灰度值(x)以及对应的温度值(t),得到了一组数据[(x1,t1),(x2,t2)…(xi,ti)]。把这些数据描绘到x-t的直系坐标中,可以发现这些点在一条直线附近,那么线性函数的公式则为:ti=kxi+b。此时可以通过二维拟合方法确定出直线的斜率k和截距b,也即确定出所述对应关系。
在得到了二维的拟合结果之后,也即,确定上述k和b之后,由于b值会受环境因素与个体差异,不同的疾病预测对象的红外热像图的b值可能不同,为了提高温度测量的准确度,在获取到疾病预测对象的红外热像图之后,需要根据该疾病预测对象的红外热像图,对b值进行更新。因此,在本发明一个实施例的中:根据所述拟合结果中的斜率、所述第一温度值以及所述特征点的灰度值,更新所述拟合结果中的截距;根据更新后的所述拟合结果和所述多个像素点的灰度值,确定所述多个第二温度值。
其中,所述特征点可以是根据需求选取的固定点。在本发明一个优选的实施方式中将所述红外热像图中的中心像素点中作为所述特征点。所述特征点的第一温度值与所述特征点的灰度值的线性函数的公式为:t0=kx0+b。根据公式中所述斜率k、特征点的灰度值(x0)以及特征点对应的第一温度值(t0),得到截距的计算公式b=t0-kx0,根据公式确定出截距b的值,从而更新所述拟合结果中的b值。
在更新所述拟合结果中的b值之后,根据更新后的所述拟合结果、所述多个像素点的灰度值,确定所述多个第二温度值。例如,第i个像素点的灰度值与温度值的线性函数的公式:ti=kxi+b,那么根据拟合结果中的b和k,以及第i个像素点的灰度值(xi),即可确定出第i个像素点对应的第二温度值(ti)。
在本发明的一个实施例中,可以在确定出多个像素点分别对应的所述多个第二温度值之后,把所述多个第二温度值添加到所述红外热像图的温度值集合中,例如,把每一个计算出来的所述第二温度值ti添加到所述热像图所对应的温度值集合中。
步骤S103:根据所述多个第二温度值以及预训练的疾病预测模型,确定所述疾病预测对象对应于目标疾病的患病概率;所述疾病预测模型是基于历史温度值以及一种或多种疾病对应的患病结果训练得到的。
预测模型可以根据不同的机器学习算法来构建,例如支持向量机(SVM)、逻辑回归、决策树等。
在步骤S103的一个实施例中,所述疾病预测模型是基于逻辑回归算法构建的,并且所述疾病预测模型需要通过预先训练而得到。
逻辑回归算法预测结果呈“S”型,在两端概率变化很小,不容易受边际值的影响,而中间概率的变化很大,很敏感。由于人的体温是恒温的,体温差异变化主要集中在中间段的较小范围内,因此使得逻辑回归算法来分析人体体温进而用来预测疾病会比较灵敏,从而达到很好的预测效果。
在本发明的一个实施例中,还包括:根据所述历史温度值以及一种或多种疾病对应的患病结果,对所述逻辑回归算法对应的权值向量进行训练,以得到所述疾病预测模型。
其中,所述历史温度值可以是从红外热像图库中多张一种或多种疾病对应的红外热像图中获取的,也可以是从多张基于临床数据的一种或多种疾病对应的红外热像图中获取的。其中,所述临床数据是基于临床的诊断结果确定的。在本发明的一个优选的实施方式中,根据所述多张基于临床数据的一种或多种疾病对应的红外热像图,确定多个历史第二温度值集合。使用所述多个历史第二温度值集合以及对应的多张所述红外热像图对应于目标疾病的临床诊断的患病结果,对逻辑回归算法进行训练,从而得到逻辑回归算法对应的权值向量。
使用基于临床数据的所述目标疾病对应的红外热像图来对逻辑回归算法进行训练,可以使训练得到的权值向量更加合理,从而可以提高预测结果的准确度。
以呼吸***疾病的预测模型为例,在对预测模型做预训练时,所述红外热像图包括所述疾病预测对象的咽喉部图像,所述目标疾病为呼吸***疾病。其中,所述红外热像图是从呼吸***的临床数据所对应的包含有咽喉部位的红外热像图中选取的;所述多个历史第二温度值集合即临床上所述多张咽喉部的红外热像图对应的多个第二温度值集合。对于所述多张热像图,每一张红外热像图对应的呼吸***疾病的患病结果是基于临床诊断确定的。也即,在输入和输出确定的情况下,训练逻辑回归算法中的权值向量,以得到一个呼吸***预测模型。
此例中,逻辑回归算法的公式为:
其中,v为一个输入实例,在此实施例中,即为一个历史第二温度值集合;Y为输出,也即患病结果,Y∈(0,1),在此实施例中,1表示咽喉部有炎症,也即患有呼吸***疾病,0表示咽喉部没有炎症,也即未患有呼吸***疾病;w为所述权值向量;因此,Ρ(Y=1|v,w)指示的是患病结果Y等于1的概率。设定阈值,则当P大于阈值时,则判定Y为1,当P小于阈值时,则判定Y为0。
可理解的是,训练的过程即是根据多个输入实例v以及所对应的多个输出结果Y,拟合确定出权值向量w,从而得到一个呼吸***预测模型。
在步骤S103的一个实施例中,在确定预测模型之后,根据所述多个第二温度值以及预训练的疾病预测模型,确定所述疾病预测对象对应于目标疾病的患病概率。
以预测呼吸***疾病为例,首先获取预测对象的咽喉部的红外热像图,从而确定出的所述红外热像图的多个第二温度值,把所述多个第二温度值作为一个温度值集合(输入实例v)输入到预测模型中,根据预测模型已确定的权值向量w,通过预测模型计算出所述预测对象的患病概率P,进而根据P来判定呼吸***的患病结果Y为1还是0,也即所述预测对象是否患有呼吸***疾病。例如,设定阈值为0.5,当预测模型计算出所述预测对象的患病概率P为0.8时,则判定患病结果Y为1,也即,所述预测对象患有呼吸***疾病。当预测模型计算出所述预测对象的患病概率P为0.3时,则判定患病结果Y为0,也即,所述预测对象未患有呼吸***疾病。
在本发明的一个实施例中,当所述目标疾病的概率大于预设阈值时,输出提示信息。
可理解的是,当预测模型确定出所述预测对象的患病概率大于预设阈值时,则判定预测对象患有目标疾病,此时可以输出提示信息。输出提示信息可以包括:对语音终端发送报警提示,同时在显示终端上对所述红外热像图标注红色警告标识,以提醒现场***预测对象做进一步医学观察;也可以把预测结果发送至其他远程终端,例如对于需要报备社区的某种流行性呼吸***疾病,可以把预测结果发送至社区的终端,以通知社区人员做出后续处置行动;还可以把预测结果发送至预测对象的终端设备。
当预测模型确定出所述预测对象的患病概率小于预设阈值时,则判定预测对象未患有目标疾病,此时可以对语音终端发送放行提示,同时在显示终端中对所述红外热像图标注绿色通行标识。
在本发明的一个实施例中,还可以基于红外热像图识别对乳腺疾病进行预测,也即根据乳腺特征区域的多个温度值以及预训练的疾病预测模型,确定乳腺疾病预测对象的患病概率,其过程与呼吸***疾病的预测过程类似,在此不再赘述。
如图2所示,本发明一个实施例提供的一种基于红外热像图识别的疾病预测装置200,包括:获取模块201、确定模块202和预测模块203;其中,
所述获取模块201,用于获取疾病预测对象的红外热像图以及所述红外热像图中特征点对应的第一温度值;
所述确定模块202,用于根据所述红外热像图的灰度值以及所述第一温度值,确定所述红外热像图中多个像素点分别对应的多个第二温度值;
所述预测模块203,用于根据所述多个第二温度值以及预训练的疾病预测模型,确定所述疾病预测对象对应于目标疾病的患病概率;所述疾病预测模型是基于历史温度值以及一种或多种疾病对应的患病结果训练得到的。
本发明的一个实施例中,所述获取模块201,用于获取呼吸***疾病的预测对象的咽喉部图像;把所述咽喉部的红外热像图的中心像素点作为所述特征点,获取所述特征点的第一温度值。
本发明的一个实施例中,所述确定模块202,用于确定所述红外热像图中灰度值与温度值的对应关系;根据所述红外热像图中多个像素点的灰度值、所述对应关系、所述第一温度值以及所述特征点的灰度值,确定所述多个像素点分别对应的所述多个第二温度值。
本发明的一个实施例中,所述确定模块202,用于获取多张样本红外热像图;在每一张所述样本红外热像图中确定样本检测点、以及所述样本检测点对应的样本灰度值和样本温度值;根据所述多张样本红外热像图分别对应的所述样本灰度值以及所述样本温度值,确定所述对应关系。
本发明的一个实施例中,所述确定模块202,用于将所述多张样本红外热像图分别对应的所述样本灰度值以及所述样本温度值进行二维拟合,并将拟合结果作为所述对应关系。
本发明的一个实施例中,所述确定模块202,用于根据所述拟合结果中的斜率、所述第一温度值以及所述特征点的灰度值,更新所述拟合结果中的截距;根据更新后的所述拟合结果和所述多个像素点的灰度值,确定所述多个第二温度值。
本发明的一个实施例中,所述确定模块202,用于将所述红外热像图的中心像素点作为所述特征点。
本发明的一个实施例中,所述预测模块203,用于根据逻辑回归算法构建所述疾病预测模型。
本发明的一个实施例中,所述预测模块203,用于根据所述历史温度值以及一种或多种疾病对应的患病结果,对所述逻辑回归算法对应的权值向量进行训练,以得到所述疾病预测模型。
本发明的一个实施例中,所述预测模块203,用于当所述目标疾病的概率大于预设阈值时,输出提示信息。
根据本发明实施例提供的基于红外热像图识别的疾病预测装置,能够根据疾病预测对象的红外热像图中特征点的第一温度值以及红外热像图的灰度值,确定所述红外热像图中多个像素点对应的多个第二温度值,从而降低红外热成像的图像采集过程和/或测温过程中环境因素的影响,提高测温结果的准确性。进一步地,根据多个像素点的第二温度值,利用疾病预测模型预测疾病预测对象的患病概率,能够有效的降低误判率,提高筛查结果的准确度。
另外,如图3所示,本发明实施例还提供了一种基于红外热像图识别的疾病预测***,包括:红外热成像仪301、显示器302和上述任一实施例所提供的基于红外热像图识别的疾病预测装置200;其中,
所述红外热成像仪301,用于采集疾病预测对象的红外热像图;
所述疾病预测装置200,用于根据所述红外热像图,预测所述疾病预测对象对应于目标疾病的患病概率;
所述显示器302,用于显示所述疾病预测装置200的预测结果。
以上述疾病预测***用于预测呼吸***疾病为例,在此场景下,可以通过红外热成像仪301采集人的咽喉部的红外热成像图以及图像中心像素点的温度数值;通过本发明实施例提供的基于红外热图像识别的疾病预测装置200负责红外热像图多个像素点的温度值的计算,并且根据得到的多个温度值对疾病预测对象对应于呼吸***疾病的患病概率进行预测;最后通过显示器302显示预测的结果。
基于如图3所示的红外热像图识别的疾病预测***,图4示出了可以应用本发明实施例的基于红外热像图识别的疾病预测方法或基于红外热像图识别的疾病预测***的示例性***架构400。
如图4所示,***架构400可以包括终端设备401、402、403,网络404、服务器405和红外热成像仪406。网络404用以在终端设备401、402、403、红外热成像仪406与服务器405之间提供通信链路的介质。网络404可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。本发明实施例提供的疾病预测装置部署于服务器405中,红外热成像仪406可以通过网络404将采集的红外热像图发送给服务器405。
用户可以使用终端设备401、402、403通过网络404与服务器405交互,以接收或发送消息等。终端设备401、402、403可以是具有显示器并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。终端设备401、402、403上的显示器可以显示疾病预测装置的预测结果。
服务器405可以是提供各种服务的服务器,后台管理服务器可以对获取到的红外热像图等数据进行分析等处理,并将处理结果(疾病预测对象对应于目标疾病的患病概率)反馈给终端设备。
需要说明的是,本发明实施例所提供的基于红外热像图识别的疾病预测方法一般由服务器405执行,相应地,基于红外热像图识别的疾病预测装置一般设置于服务器405中。
应该理解,图4中的终端设备、红外热成像仪、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
可以理解的是,在图4所示的***架构中,基于红外热像图识别的疾病预测装置设置在云端的服务器中,换句话说,基于红外热像图识别的疾病预测装置提供的是云端服务,此种***架构适用于计算任务较重的场景,由红外热成像仪将采集到的红外热像图发送给云端的服务器,云端的服务器根据红外热像图计算得到疾病预测对象对应于目标疾病的患病概率之后,再通过网络将计算结果返回给终端。除了图4所示的***架构,本发明实施例提供的基于红外热像图识别的疾病预测装置也可以部署在本地,例如,对于实时性要求较高的场景,可以将基于红外热像图识别的疾病预测部署在终端本地,由本地的基于红外热像图识别的疾病预测装置计算得到疾病预测对象对应于目标疾病的患病概率之后,直接由终端的显示器显示患病概率。
下面参考图5,其示出了适于用来实现本发明实施例的终端设备的计算机***500的结构示意图。图5示出的终端设备仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图5所示,计算机***500包括中央处理单元(CPU)501,其可以根据存储在只读存储器(ROM)502中的程序或者从存储部分508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中,还存储有***500操作所需的各种程序和数据。CPU 501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
以下部件连接至I/O接口505:包括键盘、鼠标等的输入部分506;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分507;包括硬盘等的存储部分508;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分509。通信部分509经由诸如因特网的网络执行通信处理。驱动器510也根据需要连接至I/O接口505。可拆卸介质511,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器510上,以便于从其上读出的计算机程序根据需要被安装入存储部分508。
特别地,根据本发明公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本发明公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分509从网络上被下载和安装,和/或从可拆卸介质511被安装。在该计算机程序被中央处理单元(CPU)501执行时,执行本发明的***中限定的上述功能。
需要说明的是,本发明所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的***、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行***、装置或者器件使用或者与其结合使用。而在本发明中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本发明各种实施例的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本发明实施例中所涉及到的模块可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中,例如,可以描述为:一种处理器包括获取模块、确定模块和预测模块。其中,这些模块的名称在某种情况下并不构成对该模块本身的限定,例如,获取模块还可以被描述为“获取红外热像图的模块”。
作为另一方面,本发明还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的设备中所包含的;也可以是单独存在,而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被一个该设备执行时,使得该设备包括:获取疾病预测对象的红外热像图以及所述红外热像图中特征点对应的第一温度值;根据所述红外热像图的灰度值以及所述第一温度值,确定所述红外热像图中多个像素点分别对应的多个第二温度值;根据所述多个第二温度值以及预训练的疾病预测模型,确定所述疾病预测对象对应于目标疾病的患病概率;所述疾病预测模型是基于历史温度值以及一种或多种疾病对应的患病结果训练得到的。
根据本发明实施例的技术方案,能够根据疾病预测对象的红外热像图中特征点的第一温度值以及红外热像图的灰度值,确定所述红外热像图中多个像素点对应的多个第二温度值,从而降低红外热成像的图像采集过程和/或测温过程中环境因素的影响,提高测温结果的准确性。进一步地,根据多个像素点的第二温度值,利用疾病预测模型预测疾病预测对象的患病概率,能够有效的降低误判率,提高筛查结果的准确度。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,取决于设计要求和其他因素,可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (14)
1.一种疾病预测方法,其特征在于,包括:
获取疾病预测对象的红外热像图以及所述红外热像图中特征点对应的第一温度值;
根据所述红外热像图的灰度值以及所述第一温度值,确定所述红外热像图中多个像素点分别对应的多个第二温度值;
根据所述多个第二温度值以及预训练的疾病预测模型,确定所述疾病预测对象对应于目标疾病的患病概率;所述疾病预测模型是基于历史温度值以及一种或多种疾病对应的患病结果训练得到的。
2.根据权利要求1所述的方法,其特征在于,所述根据所述红外热像图的灰度值以及所述第一温度值,确定所述红外热像图中多个像素点分别对应的多个第二温度值,包括:
确定所述红外热像图中灰度值与温度值的对应关系;
根据所述红外热像图中多个像素点的灰度值、所述对应关系、所述第一温度值以及所述特征点的灰度值,确定所述多个像素点分别对应的所述多个第二温度值。
3.根据权利要求2所述的方法,其特征在于,所述确定所述红外热像图中灰度值与温度值的对应关系,包括:
获取多张样本红外热像图;
在每一张所述样本红外热像图中确定样本检测点、以及所述样本检测点对应的样本灰度值和样本温度值;
根据所述多张样本红外热像图分别对应的所述样本灰度值以及所述样本温度值,确定所述对应关系。
4.根据权利要求3所述的方法,其特征在于,所述根据所述多张样本红外热像图分别对应的所述样本灰度值以及所述样本温度值,确定所述对应关系,包括:
将所述多张样本红外热像图分别对应的所述样本灰度值以及所述样本温度值进行二维拟合,并将拟合结果作为所述对应关系。
5.根据权利要求4所述的方法,其特征在于,所述根据所述红外热像图中多个像素点的灰度值、所述对应关系、所述第一温度值以及所述特征点的灰度值,确定所述多个像素点分别对应的所述多个第二温度值,包括:
根据所述拟合结果中的斜率、所述第一温度值以及所述特征点的灰度值,更新所述拟合结果中的截距;
根据更新后的所述拟合结果和所述多个像素点的灰度值,确定所述多个第二温度值。
6.根据权利要求1至5任一所述的方法,其特征在于,
将所述红外热像图的中心像素点作为所述特征点。
7.根据权利要求1所述的方法,其特征在于,
所述疾病预测模型是基于逻辑回归算法构建的。
8.根据权利要求7所述的方法,其特征在于,还包括:
根据所述历史温度值以及一种或多种疾病对应的患病结果,对所述逻辑回归算法对应的权值向量进行训练,以得到所述疾病预测模型。
9.根据权利要求1所述的方法,其特征在于,还包括:
当所述目标疾病的概率大于预设阈值时,输出提示信息。
10.根据权利要求1所述的方法,其特征在于,
所述红外热像图包括:所述疾病预测对象的咽喉部图像;
所述目标疾病为呼吸***疾病。
11.一种疾病预测装置,其特征在于,包括:获取模块、确定模块和预测模块;其中,
所述获取模块,用于获取疾病预测对象的红外热像图以及所述红外热像图中特征点对应的第一温度值;
所述确定模块,用于根据所述红外热像图的灰度值以及所述第一温度值,确定所述红外热像图中多个像素点分别对应的多个第二温度值;
所述预测模块,用于根据所述多个第二温度值以及预训练的疾病预测模型,确定所述疾病预测对象对应于目标疾病的患病概率;所述疾病预测模型是基于历史温度值以及一种或多种疾病对应的患病结果训练得到的。
12.一种疾病预测***,其特征在于,包括:红外热成像仪、显示器和权利要求11所述的基于红外热像图识别的疾病预测装置;其中,
所述红外热成像仪,用于采集疾病预测对象的红外热像图;
所述疾病预测装置,用于根据所述红外热像图,预测所述疾病预测对象对应于目标疾病的患病概率;
所述显示器,用于显示所述疾病预测装置的预测结果。
13.一种疾病预测的电子设备,其特征在于,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-10中任一所述的方法。
14.一种计算机可读介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现如权利要求1-10中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110775911.1A CN113470818A (zh) | 2021-07-08 | 2021-07-08 | 疾病预测方法、装置、***、电子设备及计算机可读介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110775911.1A CN113470818A (zh) | 2021-07-08 | 2021-07-08 | 疾病预测方法、装置、***、电子设备及计算机可读介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113470818A true CN113470818A (zh) | 2021-10-01 |
Family
ID=77879301
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110775911.1A Pending CN113470818A (zh) | 2021-07-08 | 2021-07-08 | 疾病预测方法、装置、***、电子设备及计算机可读介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113470818A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024025489A1 (en) * | 2022-07-28 | 2024-02-01 | İstanbul Geli̇şi̇m Üni̇versi̇tesi̇ | Health status analysis system on historical data |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107588854A (zh) * | 2016-07-08 | 2018-01-16 | 杭州新瀚光电科技有限公司 | 基于内置参考体的高精度测温方法 |
CN109872821A (zh) * | 2019-04-24 | 2019-06-11 | 北京信息科技大学 | 一种构建血糖预测模型的方法及装置 |
CN111341461A (zh) * | 2020-02-24 | 2020-06-26 | 中国船舶重工集团公司第七一七研究所 | 红外疫情智能综合检测识别*** |
CN111738132A (zh) * | 2020-06-17 | 2020-10-02 | 银河水滴科技(北京)有限公司 | 人体温度的测量方法、装置、电子设备及可读存储介质 |
CN112155520A (zh) * | 2020-07-24 | 2021-01-01 | 北京微芯区块链与边缘计算研究院 | 基于体温数据的监测装置及方法、电子设备、存储介质 |
WO2021117013A1 (en) * | 2019-12-13 | 2021-06-17 | Hearthcore S.A.P.I. De C.V. | Determination of medical condition risk using thermographic images |
-
2021
- 2021-07-08 CN CN202110775911.1A patent/CN113470818A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107588854A (zh) * | 2016-07-08 | 2018-01-16 | 杭州新瀚光电科技有限公司 | 基于内置参考体的高精度测温方法 |
CN109872821A (zh) * | 2019-04-24 | 2019-06-11 | 北京信息科技大学 | 一种构建血糖预测模型的方法及装置 |
WO2021117013A1 (en) * | 2019-12-13 | 2021-06-17 | Hearthcore S.A.P.I. De C.V. | Determination of medical condition risk using thermographic images |
CN111341461A (zh) * | 2020-02-24 | 2020-06-26 | 中国船舶重工集团公司第七一七研究所 | 红外疫情智能综合检测识别*** |
CN111738132A (zh) * | 2020-06-17 | 2020-10-02 | 银河水滴科技(北京)有限公司 | 人体温度的测量方法、装置、电子设备及可读存储介质 |
CN112155520A (zh) * | 2020-07-24 | 2021-01-01 | 北京微芯区块链与边缘计算研究院 | 基于体温数据的监测装置及方法、电子设备、存储介质 |
Non-Patent Citations (1)
Title |
---|
张杰: "红外热成像测温技术及其应用研究", 《中国优秀博硕士学位论文全文数据库(硕士) 信息科技辑》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024025489A1 (en) * | 2022-07-28 | 2024-02-01 | İstanbul Geli̇şi̇m Üni̇versi̇tesi̇ | Health status analysis system on historical data |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10755411B2 (en) | Method and apparatus for annotating medical image | |
CN110349156B (zh) | 眼底图片中病变特征的识别方法和装置、存储介质 | |
AU2014271202B2 (en) | A system and method for remote medical diagnosis | |
US20170061608A1 (en) | Cloud-based pathological analysis system and method | |
CN110660484B (zh) | 骨龄预测方法、装置、介质及电子设备 | |
EP3998579B1 (en) | Medical image processing method, apparatus and device, medium and endoscope | |
WO2020062493A1 (zh) | 图像处理方法和装置 | |
CN108491823B (zh) | 用于生成人眼识别模型的方法和装置 | |
CN108509921B (zh) | 用于生成信息的方法和装置 | |
WO2020177348A1 (zh) | 用于生成三维模型的方法和装置 | |
US11301995B2 (en) | Feature identification in medical imaging | |
WO2020118101A1 (en) | System and method for providing personalized health data | |
CN115862831B (zh) | 一种智能在线预约诊疗管理***及方法 | |
CN111227789A (zh) | 人体健康监护方法和装置 | |
CN113990500A (zh) | 一种生命体征参数的监测方法、装置以及储存介质 | |
CN113470818A (zh) | 疾病预测方法、装置、***、电子设备及计算机可读介质 | |
Leopold et al. | Segmentation and feature extraction of retinal vascular morphology | |
JP7253152B2 (ja) | 情報処理装置、情報処理方法、及びプログラム | |
CN112397194A (zh) | 用于生成患者病情归因解释模型的方法、装置和电子设备 | |
CN114937178B (zh) | 基于多模态的图像分类方法、装置、可读介质和电子设备 | |
CN111192679B (zh) | 一种影像数据异常的处理方法、装置及存储介质 | |
US20210345955A1 (en) | Portable real-time medical diagnostic device | |
Kamath et al. | Machine learning for mobile wound assessment | |
JP2020190913A (ja) | 読影支援装置および読影支援方法 | |
CN111597923B (zh) | 一种对人员温度进行监测的方法、装置和电子设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20211001 |