论文部分内容阅读
研究背景高血压病是临床最常见的慢病。研究表明,高血压病并发症多且危害性大,严重影响患者的生活质量,已经在全球成为一个重要的公共健康问题。据报道中国成人高血压患病率为27.9%。按估算,我国现患高血压人数约为3亿,平均每年新增高血压患者的数目可达到1000万。虽然目前国内高血压病的知晓率、治疗率和控制率较前有所提高,但总体仍处于较低水平,因此高血压病的防治仍然面临巨大的压力。高血压病为现代医学病名,在中医古籍中未有记载,但根据患者的临床表现可以将其归类于眩晕头痛类疾病。临床研究表明中医药治疗高血压病具有显著优势,除明显改善症状,提高生活质量,毒副作用小之外,还具有降压平稳,持续时间长及有效减少并发症等特点。传统中医四诊作为中医辨证诊断的主要手段,在临床应用中囿于医师的经验和能力,主观性强,无法保证辨证准确率,导致了中医药疗效的不确定性。因此如何提高中医辨证准确率,对高血压病的防治意义非凡。从客观化的角度规范证候诊断,是提高中医辨证准确率的重要方向。将现代科技作为传承与创新的桥梁,选择合适的科技手段作为突破口,是早日实现中医药现代化发展的必经之路。近年来,随着科技的进步,人工智能不断发展,在各个领域的运用也不断增多。人工智能深度学习能够通过模仿人类的思维方式,将杂乱无章的数据通过一步步的分类整理,并进行归纳总结,从繁杂无序的海量数据中寻找出一般性的规律,并在反复的学习过程中总结提炼,进而得出结论。卷积神经网络作为人工智能计算机视觉中最重要的一种算法,已经被广泛应用于图像分类,人脸识别,自动驾驶等相关领域。因此本研究从面部望诊客观化的角度出发,将研究对象面部图像信息作为样本数据,通过卷积神经网络算法构建高血压病肝火亢盛证面部图像诊断模型,从而进行高血压病肝火亢盛证的辅助诊断,并探讨卷积神经网络算法在高血压病中医证候诊断中的可行性。研究目的为解决广大社区基层医务人员中医辨证水平低,影响中医药治疗高血压病临床疗效的问题,本研究从面部望诊客观化出发,通过构建高血压病肝火亢盛证面部图像诊断模型,辅助高血压病肝火亢盛证的临床诊断,探讨卷积神经网络算法在高血压病中医证候诊断中的可行性,并为当前中医病证诊断研究方法提供参考和依据。研究方法1.自制病例报告表采集研究对象基本信息,包括一般信息(姓名、性别、年龄、职业等)和体格检查信息(身高、体重、胸围、腹围等)。使用上臂式电子血压计,采集研究对象的血压信息。2.使用DS01-A型舌面脉信息采集体质辨识系统舌面单元进行研究对象面部图像信息采集。3.根据《灵枢·五色》篇相关记载,结合《中医诊断学》面部脏腑定位图选取研究部位肝部,并通过人脸标志物确定肝点为两瞳孔中点与鼻尖连线的中点。使用人脸检测算法确定研究区域,部位大小因人而异,为研究对象双瞳孔与鼻尖构成矩形面积的1/4。4.研究对象来源于北京市怀柔区桥梓镇已建立健康档案的社区居民,按照纳排标准筛选三组研究对象,分别为高血压病肝火亢盛证组、高血压病非肝火亢盛证组及健康人组。通过病例报告表和舌面脉信息采集体质辨识系统进行信息采集,采集时间为2018年8月至2019年1月,采集地点为北京市怀柔区桥梓镇社区卫生院。5.通过数据增强及数据预处理方法建立图像数据库。将图像数据库三组数据按8:2的比例随机划分训练集和测试集,以深度残差网络ResNet101网络结构作为诊断模型的基础框架,使用训练集图像对模型进行训练,使用测试集图像对模型进行测试,构建高血压病肝火亢盛证面部图像诊断模型。研究结果1.本研究共纳入研究对象369例,其中高血压病肝火亢盛证组129例,占34.96%;高血压病非肝火亢盛证组128例,占34.69%;健康人组112例,占30.35%。2.通过分析三组研究对象的基本信息发现,三组研究对象在年龄、胸围、腹围、腰围等方面有差异,其中高血压病肝火亢盛证组与高血压病非肝火亢盛证组间无差异,健康人组年龄明显低于高血压病组;高血压病肝火亢盛证组胸围、腰围明显高于健康人组,腹围高于高血压病非肝火亢盛证组;三组在文化程度及职业方面有差异,健康人组文化程度显著高于高血压病组且多从事脑力劳动,高血压病肝火亢盛证组与高血压病非肝火亢盛证组间无差异。在血压信息方面,三组研究对象在收缩压、舒张压及脉压差方面存在显著组间差异,其中高血压病肝火亢盛证组与高血压病非肝火亢盛证组间无差异。健康人组显著低于高血压病组,符合分组情况。3.本研究构建的高血压病肝火亢盛证面部图像诊断模型的准确率为84.82%,其中高血压病肝火亢盛证的准确率为80.35%,高血压病非肝火亢盛证的准确率为89.73%,健康人的准确率为84.37%。本次模型训练共进行了 100次迭代,即对所有2450张训练集样本进行了 100次训练,训练的batch size为32,即每次训练图像数量为32;前20次迭代学习率设置为0.001,之后每20次迭代降学习率1e-1(学习率是为了控制模型训练的进度,对模型的性能有着显著的影响)。为选择最优模型结构,使用同一数据库对ResNet34、ResNet152、Xception 及 MobileNet 等网络结构进行训练,并与 ResNet101 进行对比,研究结果显示ResNet101结构在本研究样本中的分类识别效果最好。研究结论1.本研究通过卷积神经网络算法构建的高血压病肝火亢盛证面部图像诊断模型准确率较高,对高血压病肝火亢盛证的临床诊断具有辅助作用。同时本研究构建的诊断模型可实现高血压病肝火亢盛证的客观定量化诊断,在临床应用时操作简便,属于无创性检测方法,具有较高的临床实用性。2.将卷积神经网络算法应用于中医面部望诊客观化的研究方法切实可行,结合人工智能方法辅助中医证候诊断是中医病证研究的重要方向之一。