CN108920893B - 一种基于人工智能的颅颌面骨骼和软组织形态预测方法 - Google Patents

Abstract

本发明提出一种基于人工智能的颅颌面骨骼和软组织形态预测方法，第一，采集基因组数据，第二，采集骨骼或软组织形态数据并获取特征点，第三，利用质控后的基因组数据和降维后的形态数据进行全基因组关联分析，获得SNP位点，第四，根据SNP位点和特征点坐标训练机器学习模型，获得骨骼和软组织形态预测模型。本发明结合基因组数据和形态数据来获取骨骼和软组织预测模型，所得模型精确度高，预测具有效率高、结果精准等优点。

Description

一种基于人工智能的颅颌面骨骼和软组织形态预测方法

技术领域

本发明属于鉴定和预测领域，尤其是基于人工智能的颅颌面骨骼和软组织形态预测方法及其应用。

背景技术

基因组数据：人类基因组由30亿个核苷酸组成，其基因序列中有99.9％的相同性，0.1％的差异性决定了我们每个个体的独特性，包括面部特征，身高和肤色等。而且，这些特征在某种程度上也是可遗传的。

全基因组关联分析：在遗传流行病学中，全基因组关联研究(GWAS)是对人群基因组遗传变异的研究，其设计为发现表型与基因型的关联。在研究中，表型可能包括个体的诸如血压，体重，特定疾病或病症发生的特征等。在过去的几年中，GWAS经历了巨大的发展。已经有研究表明，头发、瞳孔的颜色和鼻部形态等可能与某些特定的SNPs相关联。

面部骨骼和软组织数据：在过去的二十年中，锥形束CT计算机断层扫描(CBCT)因其与扇形束CT相比存在的潜在优势而被广泛应用。这些优点包括：(a)数据采集效率，空间分辨率和空间分辨率均匀性的显著提高，(b)与扇形束CT相比，由x射线管产生的x射线光子的利用率更好，以及(c)在临床三维(3D)CT应用中的显著进步，可以通过计算机断层扫描重建出三维影像，改善颌面外科手术治疗的诊断，计划和监测。

机器学习：机器学习(Machine Learning,ML)是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。它是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域，它主要使用归纳、综合而不是演绎。通过大量的输入输出的训练，使机器能够找到其中的规律从而能建立模型，而最近研究的热点深层神经网络也属于机器学习的一种。

现有的面型预测是基于3dMD采集的面部皮肤表面数据，但其下颌颏部的数据和下颌角数据经常缺失，而这些数据对于整个头颅的形态和正畸治疗至关重要。

与肌肉形态、脂肪厚度等的个体差异相比，骨骼形态受外界环境的影响更小，更多的是由遗传所致。而且肌肉和脂肪是以骨骼形态为基础而支撑起来的，所以骨骼应处于决定面部形态更核心和更本质的地位。而且骨骼形态不会受到拍摄时面部表情的变化的影响，所以更能够从生物学的角度解释。

发明内容

本发明所解决的技术问题在于提供一种基于人工智能的颅颌面骨骼和软组织形态预测方法，通过结合基因组数据和骨骼或软组织形态数据来训练并验证得到骨骼和软组织预测模型，该预测具有效率高、结果精准等优点。

实现本发明的技术解决方案为：

一种基于人工智能的颅颌面骨骼和软组织形态预测方法，包括以下步骤：

步骤1：采集研究对象个体的基因组数据，并进行填补和质量控制；

步骤2：采集研究对象个体的骨骼或软组织形态数据，并进行坐标降维和获得特征点；

步骤3：根据质量控制后的基因组数据和坐标降维后的形态数据进行全基因组关联分析，获得非高度连锁的单核苷酸多态性SNP位点；

步骤4：根据非高度连锁的SNP位点和特征点坐标，使用包括神经网络在内的机器学习，获得骨骼和软组织形态预测模型：

步骤4-1：进行数据预处理：对于SNP位点的基因型，将SNP位点分成野生型位点、突变杂合型位点、突变纯合型位点三种类型，并分别对基因型缺失值进行填补，再将SNP位点的基因型和性别均转换成哑变量，年龄数据保留为数值变量；

步骤4-2：选择机器学习模型：采用XGboost算法模型，利用CPU多线程并行运算，通过弱分类器进行迭代计算分类；

步骤4-3：将数据分成训练数据集和测试集：随机将其中80％的数据作为训练数据集，剩余的20％数据作为测试集；

步骤4-4：将训练数据集中的SNP位点基因型数据作为输入，每个个体的形态特征点坐标数据作为输出，训练包含神经网络的机器学习模型，使得机器学习模型能够根据输入的SNP基因组数据，获得形态特征点坐标数据；

步骤4-5：采用重采样策略进行k折交叉验证：将训练数据集随机分成k组，k为正整数，用其中的k-1组用作训练集，另外1组用作评估集，机器学习模型在训练集进行训练，并在评估集进行验证，重复多次操作，每次选取不同的组作为训练集进行训练和验证，直到每组数据都被用作验证；同时使用网格搜索法选择一套适合模型的超参数：对于每个超参数网格都进行训练和交叉验证，得到一组最优参数组合，将机器学习回归模型的均方根误差作为最终评价指标；输入测试集基因组数据，利用机器学习模型获取面部形态坐标的预测值，计算每个坐标的真实值和预测值的差异，则得到最优的预测模型。

本发明还提供了基于人工智能的颅颌面骨骼和软组织形态预测方法在法医鉴定、产前诊断、儿童生长评估等应用

本发明采用以上技术方案与现有技术相比，具有以下技术效果：

1、本发明的基于人工智能的颅颌面骨骼和软组织形态预测方法采用了CBCT来采集头颅的骨骼和软组织形态数据，减少了下颌颏部、下颌角的数据缺失，保证了后续数据训练所得的预测模型更准确；

2、本发明的基于人工智能的颅颌面骨骼和软组织形态预测方法建立了第一个基于中国人群基因组数据的模型，对于中国人群中个体的精确区分更准确；

3、本发明的基于人工智能的颅颌面骨骼和软组织形态预测方法可应用于2D数据和3D数据，包括骨骼和软组织数据。

附图说明

图1是本发明的基于人工智能的颅颌面骨骼和软组织形态预测方法的流程图；

图2是本发明的基于人工智能的颅颌面骨骼和软组织形态预测方法的头颅侧位片及其特征点；

图3是本发明的基于人工智能的颅颌面骨骼和软组织形态预测方法的实施例中全基因组关联分析曼哈顿图；

图4是本发明的基于人工智能的颅颌面骨骼和软组织形态预测方法的实施例中预测值和实际值的比较图；

图5是本发明的基于人工智能的颅颌面骨骼和软组织形态预测方法的实施例中每个位点的差异大小示意图。

具体实施方式

下面详细描述本发明的实施方式，所述实施方式的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的，仅用于解释本发明，而不能解释为对本发明的限制。

本实施例以血液DNA数据与头颅侧位关键点为例具体说明。

一种基于人工智能的颅颌面骨骼和软组织形态预测方法，如图1所示，包括以下步骤：

步骤1：采集研究对象个体的血液基因组数据，并进行填补和质量控制，具体包括：

步骤1-1：采集研究对象个体血液中的基因组数据：

步骤1-1-1：对每个个体采用真空EDTA抗凝采血管采集外周静脉血3ml，进行3000rpm/min离心6min，分离血清、白细胞层和红细胞，分离出血清之后，混合剩余血液，分别装于1.5ml冻存管，置于-80℃冰箱储存备用；

步骤1-1-2：本实施例采用QIAGEN试剂盒提取每个个体的基因组DNA，采用紫外分光光度法确定DNA纯度，分光比值为260/280，采用OD260测定DNA浓度，统一标化后置于-20℃储存备用；

步骤1-2：利用基因组芯片获得个体的DNA信息：采用Illumina公司的GSA(GlobalScreening Array)芯片对不同个体的血液进行DNA分型，并判断特定DNA位点是否有突变；

步骤1-3：对未测到的DNA信息进行填补：采用单倍型估计(SHAPEIT 1.0)和基因型估计(IMPUTE2)，基于1000Genomes Project Phase III数据库来估算生物样品的未检测到的基因型SNP，得到更为准确和完整的基因组数据；

步骤1-4：对基因组数据进行质量控制：包括样本质控和位点质控，保留最小等位基因频率大于1％的位点，剔除哈迪温伯格平衡小于1E-06的位点，保留分型成功率大于90％的位点和个体并用来进行后续关联分析，保留填补后info>0.4的位点。

步骤2：采集研究对象个体的骨骼形态数据，并对所有数据进行坐标降维。具体包括：

步骤2-1：采用锥形束CT计算机断层扫描(CBCT)获取个体头颅的原始断层扫描数据；

步骤2-2：对原始断层扫描数据进行处理，得到特征点的坐标：

步骤2-2-1：选择合适的亨氏单位(Hounsfield unit)，分别得到完整的三维骨骼和皮肤信息，同时去除毛发及噪音等，得到可分析的数字化坐标信息；

步骤2-2-2：导出特征点相应的坐标；如图2所示，图中共标记出14个特征点，此处的特征点均为美国正畸学会头颅侧位片常用的关键点；如表1所示，表1是人工标记点的医学名称、定义：

表1

步骤2-3：对特征点的坐标进行降维，得到坐标降维后的骨骼和软组织形态数据：

步骤2-3-1：对所有个体的特征点的坐标进行General Procrustes Analysis(GPA)处理，以消除不同个体因旋转或放大率不同所造成的差异；

步骤2-3-2：根据特征点所在的位置，按照不同骨块分别做Principal ComponentAnalysis(PCA)，以获得每个个体的最大特征值对应的特征向量作为数值表型。

步骤3：根据质量控制后的基因组数据和坐标降维后的形态数据进行全基因组关联分析，如图3所示，获得非高度连锁的基因多态性SNP位点。具体包括：

步骤3-1：使用GEMMA软件拟合单变量线性混合模型对质量控制后的基因组数据和坐标降维后的形态数据进行全基因组关联分析，获得最大似然估计(MLE)或限制最大值λ和β的似然估计(REML)，并输出相应的P值；

步骤3-2：选择一定数量的基因型数据：将所有全基因组关联分析的结果合并，对同一位点的P值取最小值，并根据连锁不平衡分析对P值小于10e-5的所有位点进行压缩，并选择非高度连锁的SNP位点。

步骤4：根据非高度连锁的SNP位点和特征点坐标，使用包括神经网络在内的机器学习，获得骨骼和软组织形态预测模型：

步骤4-1：进行数据预处理：对于SNP位点的基因型，将SNP位点分成野生型位点、突变杂合型位点、突变纯合型位点三种类型，并分别对基因型缺失值进行填补，再将SNP位点的基因型和性别均转换成哑变量，年龄数据保留为数值变量；

步骤4-2：选择机器学习模型：采用兼具线性模型和Boosted Tree模型的XGboost算法模型，XGboost是极端梯度上升的简称，是一种基于梯度Boosting的集成学习算法，利用CPU多线程并行运算，通过弱分类器进行迭代计算分类，提高了运行速度的同时也提高了模型的预测精度；

步骤4-3：将数据分成训练数据集和测试集：随机将其中80％的数据作为训练数据集，剩余的20％数据作为测试集；

步骤4-4：将训练数据集中的SNP位点基因型数据作为输入，每个个体的形态特征点坐标数据作为输出，训练包含神经网络的机器学习模型，使得机器学习模型能够根据输入的SNP基因组数据，获得形态特征点坐标数据；

步骤4-5：采用重采样策略进行k折交叉验证：将训练数据集随机分成k组，k为正整数，用其中的k-1组用作训练集，另外1组用作评估集，机器学习模型在训练集进行训练，并在评估集进行验证，重复多次操作，每次选取不同的组作为训练集进行训练和验证，直到每组数据都被用作验证；同时使用网格搜索法(grid search)选择一套适合模型的超参数：对于每个超参数网格都进行训练和交叉验证，得到一组最优参数组合，将机器学习回归模型的均方根误差RMSE作为最终评价指标。

本实施例中使用4折重复4次的交叉验证。训练数据被分成4个相等的组，机器学习模型在四组中的三组训练并在第四组进行评估，重复这个过程，直到四个组中的每一个都被用作验证集合，然后将模型效果评估的平均值作为最终评价。

其中，超参数包括人工调整参数和网格搜索自动调整参数，网格搜索自动调整参数包括：模型树的个数，最小值为100，最大值为500；模型每个树的分叉，最小值为1，最大值为10；学习率，最小值为0.1，最大值为0.5；L2正则化，最小值为-1，最大值为0。

输入测试集基因组数据，利用机器学习模型获取面部形态坐标的预测值，如图4所示，其中圆圈表示实际值，三角形表示预测值，单位为毫米。

计算每个坐标的真实值和预测值的差异，则得到最优的预测模型。如图5所示为14个位点真实值与预测值之间误差的均方根误差，具体为14个位点的x轴、y轴误差的均方根误差。

本发明的基于人工智能的颅颌面骨骼和软组织形态预测方法采用了CBCT来采集头颅的骨骼和软组织形态数据，减少了下颌颏部、下颌角的数据缺失，保证了后续数据训练所得的预测模型更准确，并建立了第一个基于中国人群的基因组数据的模型，对于中国人群中个体的精确区分更准确，且本方法可适用于2D数据和3D数据，包括骨骼和软组织数据。

本发明的基于人工智能的颅颌面骨骼和软组织形态预测方法能够在法医鉴定、产前诊断、生长发育评估中应用，能够根据基因组数据获得颅颌面骨骼和软组织，协助进行判断和分析。

以上所述仅是本发明的部分实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进，这些改进应视为本发明的保护范围。

Claims (7)

1.一种基于人工智能的颅颌面骨骼和软组织形态预测方法，其特征在于，包括以下步骤：

步骤1：采集研究对象个体的基因组数据，并进行填补和质量控制；

步骤2：采集研究对象个体的骨骼或软组织形态数据，进行坐标降维并获得特征点；

步骤3：根据质量控制后的基因组数据和坐标降维后的形态数据进行全基因组关联分析，获得非高度连锁的单核苷酸多态性SNP位点；

步骤4：根据非高度连锁的SNP位点和特征点坐标，使用包括神经网络在内的机器学习，获得骨骼和软组织形态预测模型：

步骤4-1：进行数据预处理：对于SNP位点的基因型，将SNP位点分成野生型位点、突变杂合型位点、突变纯合型位点三种类型，并分别对基因型缺失值进行填补，再将SNP位点的基因型和性别均转换成哑变量，年龄数据保留为数值变量；

步骤4-2：选择机器学习模型：采用XGboost算法模型，利用CPU多线程并行运算，通过弱分类器进行迭代计算分类；

步骤4-3：将数据分成训练数据集和测试集：随机将其中80％的数据作为训练数据集，剩余的20％数据作为测试集；

步骤4-4：将训练数据集中的SNP位点基因型数据作为输入，每个个体的形态特征点坐标数据作为输出，训练包含神经网络的机器学习模型，使得机器学习模型能够根据输入的SNP基因组数据，获得形态特征点坐标数据；

步骤4-5：采用重采样策略进行k折交叉验证：将训练数据集随机分成k组，k为正整数，用其中的k-1组用作训练集，另外1组用作评估集，机器学习模型在训练集进行训练，并在评估集进行验证，重复多次操作，每次选取不同的组作为训练集进行训练和验证，直到每组数据都被用作验证；同时使用网格搜索法选择一套适合模型的超参数：对于每个超参数网格都进行训练和交叉验证，得到一组最优参数组合，将机器学习回归模型的均方根误差作为最终评价指标；输入测试集基因组数据，利用机器学习模型获取形态特征点坐标数据的预测值，计算每个坐标的真实值和预测值的差异，则得到最优的预测模型。

2.根据权利要求1所述的基于人工智能的颅颌面骨骼和软组织形态预测方法，其特征在于，步骤1具体包括：

步骤1-1：采集研究对象的血液样本：

步骤1-1-1：对每个研究对象采用真空EDTA抗凝采血管采集外周静脉血3ml，进行3000rpm/min离心6min，分离血清、白细胞层和红细胞，分离出血清之后，混合剩余血液，分别装于1.5ml冻存管，置于-80℃冰箱储存备用；

步骤1-1-2：采用QIAGEN试剂盒提取每个研究对象的基因组DNA，采用紫外分光光度法确定DNA纯度，分光比值为260/280，采用OD260测定DNA浓度，统一标化后置于-20℃储存备用；

步骤1-2：利用基因组芯片获得个体的DNA信息：采用Illumina公司的GSA芯片对生物样本进行DNA分型；

步骤1-3：对未测到或者质量低的DNA信息进行填补：填补是基于1000 GenomesProject Phase III数据库来估算生物样品的基因型SNP，得到更为完整和准确的基因组数据；

步骤1-4：对基因组数据进行质量控制：包括样本质控和位点质控，保留最小等位基因频率大于1％的位点，剔除哈迪温伯格平衡小于1E-06的位点，保留分型成功率大于90％的位点和个体，保留填补后填补质量指标info>0.4的位点。

3.根据权利要求1所述的基于人工智能的颅颌面骨骼和软组织形态预测方法，其特征在于，步骤2具体包括：

步骤2-1：采用锥形束CT计算机断层扫描CBCT获取个体头颅的原始骨骼和软组织形态数据；

步骤2-2：对原始骨骼和软组织形态数据进行处理，得到特征点的坐标：

步骤2-2-1：选择合适的亨氏单位，分别得到完整的三维骨骼和皮肤信息，同时去除毛发及噪音，得到可分析的数字化坐标信息；

步骤2-2-2：导出特征点相应的坐标；

步骤2-3：对数据坐标进行降维，得到坐标降维后的骨骼和软组织形态数据：

步骤2-3-1：对所有个体的特征点坐标进行一般普氏分析处理，以消除不同个体因旋转或放大率不同所造成的差异；

步骤2-3-2：根据特征点所在的位置，按照不同骨块分别做主成分分析，以获得每个个体的最大特征值对应的特征向量作为数值表型。

4.根据权利要求1所述的基于人工智能的颅颌面骨骼和软组织形态预测方法，其特征在于，步骤3具体包括：

步骤3-1：使用GEMMA软件拟合单变量线性混合模型对质量控制后的基因组数据和坐标降维后的形态数据进行全基因组关联分析，获得最大似然估计或限制最大值λ和β的似然估计，并输出相应检验测试结果的P值；

步骤3-2：选择一定数量的基因型数据：将所有全基因组关联分析的结果合并，对同一位点的P值取最小值，并根据连锁不平衡分析对P值小于10E-5的所有位点进行压缩，选择非高度连锁的SNP位点。

5.根据权利要求1所述的基于人工智能的颅颌面骨骼和软组织形态预测方法，其特征在于，步骤4-2中的超参数包括人工调整参数和网格搜索自动调整参数，其中网格搜索自动调整参数包括：模型树的个数，最小值为100，最大值为500；模型每个树的分叉，最小值为1，最大值为10；学习率，最小值为0.1，最大值为0.5；L2正则化，最小值为-1，最大值为0。

6.根据权利要求1所述的基于人工智能的颅颌面骨骼和软组织形态预测方法，其特征在于，步骤4-2中每个坐标的真实值和预测值的差异采用计算其均方根误差来评价。

7.权利要求1～6中任一所述的基于人工智能的颅颌面骨骼和软组织形态预测方法在法医鉴定、产前诊断、生长发育评估中应用。