一种基于三维面部图像识别技术的困难气道评估方法及系统

本发明涉及计算机辅助，尤其涉及一种基于三维面部图像识别技术的困难气道评估方法及系统。

背景技术：

1、在临床麻醉工作中，维护气道安全是保证围术期患者全身氧供的前提条件，也是围术期患者预后的坚实保障。由于困难气道的原因复杂多样，目前没有一种评估方法可以作为评估困难气道的金标准，临床迫切需要一种快速准确的智能化预警系统来优化困难气道评估路径，降低临床意外风险。随着人工智能的蓬勃发展，通过结合人工智能算法用以评估困难气道越来越受到关注。面部图像蕴含丰富病理生理信息，通过基于人工智能的三维图像识别技术，建立一个智能化困难气道评估模型，这对于临床术前气道评估会有极大的帮助。

技术实现思路

1、本发明的目的是针对上述技术问题，提供一种基于三维面部图像识别技术的困难气道评估方法及系统，能够精准的对临床麻醉中困难气道，尤其是困难喉镜暴露做出预警，本发明的目的可通过下列技术方案来实现：

2、本发明提供了一种基于三维面部图像识别技术的困难气道评估方法，包括，

3、步骤s1、通过三维面部扫描仪获取不同姿势的三维面部图像，并直接转换为对应的三维点云数据；

4、步骤s2、将三维点云数据输入到训练好的困难气道预测模型进行分析后，自动输出困难气道的评估结果；

5、其中，困难气道预测模型包括特征提取器和分类器；特征提取器通过pointnet++深度学习神经网络从三维点云数据中提取局部区域的特征向量，并通过全局整合成全局特征向量后输入到分类器中，分类器基于cormack-lehane分级的标签对全局特征向量进行处理，并自动输出困难气道评估结果。

6、进一步地，三维面部图像包括正面图像、仰头图像、张口不伸舌图像、张口伸舌图像。

7、进一步地，在步骤s2中，特征提取器通过pointnet++深度学习神经网络从三维点云数据中提取局部区域的特征向量，进一步包括：

8、步骤s201，采用最远点采样算法从三维点云数据中选择1,024个点，1,024个点均匀覆盖原始的三维面部图像，减少点云数量的同时保留面部结构的几何特征；

9、步骤s202，使用球查找方法对1,024个点构建局部区域点集，确保固定的局部区域大小；

10、步骤s203，通过pointnet卷积式将局部区域点集抽象为特征向量。

11、进一步地，还包括步骤s204，通过全局pointnet处理将局部区域点集中提取的特征向量整合成全局特征向量输入分类器中；

12、步骤s205，分类器分析全局特征向量后，计算每个类别的分数，并自动给出困难气道评估结果。

13、进一步地，在步骤s2之后，还包括，

14、步骤s3，采用焦点损失函数优化困难气道预测模型训练过程，计算公式如下：

15、l＝-α(1-p)γlogp；

16、其中，系数α和γ是超参数，p是困难气道的预测概率。

17、基于相同的发明构思，本发明还提供了一种基于三维面部图像识别技术的困难气道评估系统，包括，

18、图像获取模块：用于获取不同姿势的三维面部图像对应的三维点云数据；

19、特征提取模块，将三维点云数据输入到训练好的困难气道预测模型进行分析并提取特征向量后，通过全局整合成全局特征向量；

20、评估结果输出模块：分类器基于cormack-lehane分级系统的标签对全局特征向量进行处理，并自动输出困难气道评估结果。

21、进一步地，特征提取模块基于pointnet++深度学习神经网络对三维点云数据进行特征提取，深度学习神经网络包括采样层、分组层和pointnet层，其中，采样层用于从三维点云数据中选择关键点；分组层用于构造以关键点为质心的局部区域点集；pointnet层用于将局部区域点集转换成特征向量。

22、进一步地，采样层使用最远点采样算法从输入的三维点云数据中选择1,024个代表性点，点为每个局部区域的质心；分组层在采样层选择的质心周围识别邻近点，构造局部区域点集；pointnet层使用pointnet卷积式地将局部区域点集抽象为特征向量。

23、进一步地，评估结果输出模块对与特征提取模块提取的特征向量使用全局pointnet，得到全局特征向量，并输入到分类器得到每个类别的分数，获取困难气道评估结果。

24、与现有技术相比，本发明存在以下至少一种技术效果：

25、本发明提供了一种基于三维面部图像识别技术的困难气道评估方法和系统，构建智能化困难气道辅助诊断预测模型得到气管插管难易程度评估结果，可精准的对临床麻醉中困难气道做出预警，降低麻醉相关死亡和伤残风险。

26、(1)提高诊断的精确性和效率，通过三维扫描和pointnet++深度学习方法，更准确自动化识别和评估气道困难程度，同时该方法减少了人工测量的需要，提高了评估过程的速度和效率，在处理不平衡的数据集时采用焦点损失法提供了额外的精度，并提高了分类器的性能。

27、(2)该困难气道评估方法有助于更好地准备麻醉方案，降低手术过程中的风险，同时在评估时减少了对专业知识的依赖，让气道管理更标准化，提高患者的总体安全，也可以作为一种预防措施，在出现困难情况前做好准备。

技术特征：

1.一种基于三维面部图像识别技术的困难气道评估方法，其特征在于，包括，

2.根据权利要求1所述的困难气道评估方法，其特征在于，在步骤s1中，所述三维面部图像包括正面图像、仰头图像、张口不伸舌图像、张口伸舌图像。

3.根据权利要求1所述的困难气道评估方法，其特征在于，在步骤s2中，所述特征提取器通过pointnet++深度学习神经网络从所述三维点云数据中提取局部区域的特征向量，进一步包括：

4.根据权利要求3所述的困难气道评估方法，其特征在于，还包括，

5.根据权利要求3所述的困难气道评估方法，其特征在于，在步骤s2之后，还包括，

6.一种基于三维面部图像识别技术的困难气道评估系统，其特征在于，包括，

7.根据权利要求6所述的困难气道评估系统，其特征在于，

8.根据权利要求7所述的困难气道评估系统，其特征在于，

9.根据权利要求8所述的困难气道评估系统，其特征在于，评估结果输出模块对与所述特征提取模块提取的所述特征向量使用全局pointnet，得到全局特征向量，并输入到所述分类器得到每个类别的分数，获取所述困难气道评估结果。

技术总结
本发明涉及计算机辅助技术领域，尤其涉及一种基于三维面部图像识别技术的困难气道评估方法及系统，包括步骤S1、通过三维面部扫描仪获取不同姿势的三维面部图像，直接转换为对应的三维点云数据；步骤S2、将三维点云数据输入训练好的困难气道预测模型进行分析后，自动输出困难气道评估结果；困难气道预测模型包括特征提取器和分类器；特征提取器通过Poi ntNet++深度学习神经网络从三维点云数据中提取局部区域特征向量，并通过全局整合成全局特征向量后输入到分类器，分类器基于Cormack‑Lehane分级的标签对全局特征向量进行处理，并自动输出困难气道评估结果。本发明能够得到气管插管难易程度评估结果，精准的对临床麻醉中困难气道做出预警，降低麻醉相关死亡和伤残风险。

技术研发人员：姜虹,夏明,裴蓓,金晨昱,曹爽,姬宁宁
受保护的技术使用者：上海交通大学医学院附属第九人民医院
技术研发日：
技术公布日：2024/3/4