买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：平安科技(深圳)有限公司

摘要：本发明涉及医疗科技领域，提出一种高血压风险预测方法、装置、设备及介质，该方法通过获取待测目标的个人信息与眼底图像；将眼底图像分别输入预设的动静脉分割模型、视盘分割模型与病变识别模型，分别提取眼底图像中的动静脉血管、视盘区域以及眼底病变特征；对视盘区域内的动静脉血管的管径进行量化处理，得到动静脉血管各自对应的血管直径量化值；利用机器学习回归方法基于血管直径量化值、眼底病变特征以及个人信息构建用于预测待测目标高血压的风险预测模型；将待测目标所对应的眼底图像输入风险预测模型进行检测，得到待测目标的高血压预测结果。由于风险预测模型采用多个变量因子进行训练，极大提高了高血压风险预测的准确性。

主权项：1.一种高血压风险预测方法，其特征在于，所述方法包括：获取待测目标的个人信息与眼底图像，所述个人信息至少包含待测目标的年龄、身体质量指数、吸烟史、饮酒史、收缩压或舒张压中的一种；将所述眼底图像分别输入预设的动静脉分割模型、视盘分割模型与病变识别模型，分别提取所述眼底图像中的动静脉血管、视盘区域以及眼底病变特征，其中，采用UNET网络基于训练集分别构建动静脉分割模型和视盘分割模型，所述病变识别模型根据不同的病变症状采用不同的神经网络模型进行训练，其中，所述病变症状至少包括动静脉压迫征、视乳头水肿、出血和渗出；其中，所述UNET网络包括编码层与解码层，所述编码层由卷积层与下采样层构成，用于提取特征；所述解码层由卷积层与下采样层构成，用于识别提取的特征；用于提取特征的UNET网络的损失函数为DiceLoss；用于识别特征的UNET网络的损失函数为多类交叉熵损失； Ly,y',y1,y1'＝-yLny'+1-yLn1-y'-y1Lny1'+1-y1Ln1-y1'式2式1中，Ls为损失函数DiceLoss，|x∩z|表示眼底图像x和z之间的交集，|x|和|z|分别表示x和z的元素的个数；式2中，多类交叉熵损失为Ly,y',y1,y1'，y表示眼底图像x真实动静脉标注概率图的概率，y1表示眼底图像x动静脉边界的真实标注概率图的概率，y'表示眼底图像x真实动静脉标注概率图经Loc·的输出，y1'表示眼底图像x动静脉边界的真实标注概率图经Loc·的输出；对所述视盘区域内的动静脉血管的管径进行量化处理，得到所述动静脉血管各自对应的血管直径量化值；利用机器学习回归方法基于所述血管直径量化值、眼底病变特征以及个人信息构建用于预测待测目标高血压的风险预测模型；其中，利用回归分析逐一分析所述血管直径量化值、眼底病变特征以及个人信息，得到相关性满足预设值的变量因子；根据各个变量因子与高血压的相关性，按照主成分分析法确定各个变量因子的权重系数；将所述变量因子以及对应的权重系数输入基于机器学习的多因素回归模型进行训练，得到预测待测目标高血压的风险预测模型； 式3中，x1、…、xn为上述变量因子，β1、…、βn为各变量因子的权重，该风险值的大小表明各变量因子每增加1个单位，其患病风险增至eβ倍；将待测目标所对应的眼底图像输入所述风险预测模型进行检测，得到待测目标的高血压预测结果。

全文数据：

权利要求：

百度查询： 平安科技(深圳)有限公司 高血压风险预测方法、装置、设备及介质