[發明專利]一種基于形態學和臨床實踐的皮膚疾病分類裝置

在審

• 申請號: 201811033555.0
• 申請日: 2018-09-05
• 公開（公告）號: CN108831519A
• 公開（公告）日: 2018-11-16
• 發明（設計）人: 馬維民
• 申請（專利權）人: 上海麥色智能科技有限公司
• 主分類號: G16H10/20
• 分類號: G16H10/20;G16H30/20;G16H50/20
• 代理公司: 上海泰能知識產權代理事務所 31233
• 代理人: 宋纓;錢文斌

本發明涉及一種基于形態學和臨床實踐的皮膚疾病分類裝置，包括：理論分類樹構建模塊，用于通過聚類算法相關形態學工具對皮膚疾病種類構建理論分類樹；訓練樹構建模塊，用于根據臨床實際采集的數據，從根節點遍歷所述理論分類樹形成訓練樹；決策分類模型構建模塊，通過對形成的訓練樹進行訓練得到決策模型，所述決策模型根據臨床參數，對實現大于閾值的節點進行臨床輔助診斷。本發明能提高機器自動分類的準確性。

技術領域

本發明涉及深度學習應用技術領域，特別是涉及一種基于形態學和臨床實踐的皮膚疾病分類裝置。

背景技術

皮膚疾病的分類問題，目前常見的文獻資料，基本上是按照發生部位、分子病理等進行分類，而皮膚疾病從臨床實踐和計算機圖形圖像兩種角度來看，都是一種形態學的科學，在深度學習之前，未見較為深入的按形態學進行分類的架構。

現有技術是基于傳統機器學習的分類方法，包括人工神經元網絡、支持向量機、AdaBoost算法，這些方法的基本步驟是圖像數據獲取→圖像預處理→圖像分割→特征提取和選擇→分類器。本發明的發明人發現，傳統機器學習方法受圖像的角度、光線、分辨率等多方面的影響，準確性一直不高。

發明內容

本發明所要解決的技術問題是提供一種基于形態學和臨床實踐的皮膚疾病分類裝置，能提高機器自動分類的準確性。

本發明解決其技術問題所采用的技術方案是：提供一種基于形態學和臨床實踐的皮膚疾病分類裝置，包括：理論分類樹構建模塊，用于通過聚類算法相關形態學工具對皮膚疾病種類構建理論分類樹；訓練樹構建模塊，用于根據臨床實際采集的數據，從根節點遍歷所述理論分類樹形成訓練樹；決策分類模型構建模塊，通過對形成的訓練樹進行訓練得到決策模型，所述決策模型根據臨床參數，對實現大于閾值的節點進行臨床輔助診斷。

所述理論分類樹構建模塊構建的理論分類樹包括至少三級節點，其中，第一級節點包括良性腫瘤、交界性腫瘤、惡性腫瘤和非腫瘤類；第二級節點共有42類，第三級節點共有344類。

所述訓練樹構建模塊以1000張皮膚鏡圖片為最小值，數據量達1000張皮膚鏡圖片的取該節點，數據量沒有達到1000張皮膚鏡圖片的合并節點到父節點，直到滿足1000張，將所有滿足條件的節點形成分類目錄，進行數據準備進行訓練。

所述決策模型根據輸入的臨床參數得出一個概率樹，針對得到的概率樹，從根節點開始，遍歷樹，實現父節點的加和概率，當某些節點出現數值大于閾值時則完成對臨床參數的分類。

有益效果

由于采用了上述的技術方案，本發明與現有技術相比，具有以下的優點和積極效果：本發明通過構建臨床分類樹、訓練分類樹和決策分類樹，實現深度學習計算模型有效應用在皮膚臨床領域，其結果在中日友好醫院的組織的10個醫生的公開評測中，超出醫生平均水平，具有很顯著的臨床意義。

附圖說明

圖1是本發明中理論分類樹示意圖；

圖2是本發明中訓練樹構建模塊構建流程圖。

具體實施方式

下面結合具體實施例，進一步闡述本發明。應理解，這些實施例僅用于說明本發明而不用于限制本發明的范圍。此外應理解，在閱讀了本發明講授的內容之后，本領域技術人員可以對本發明作各種改動或修改，這些等價形式同樣落于本申請所附權利要求書所限定的范圍。

本發明的實施方式涉及一種基于形態學和臨床實踐的皮膚疾病分類裝置，包括：理論分類樹構建模塊，用于通過聚類算法相關形態學工具對皮膚疾病種類構建理論分類樹；訓練樹構建模塊，用于根據臨床實際采集的數據，從根節點遍歷所述理論分類樹形成訓練樹；決策分類模型構建模塊，通過對形成的訓練樹進行訓練得到決策模型，所述決策模型根據臨床參數，對實現大于閾值的節點進行臨床輔助診斷。