[發明專利]基于紅外熱成像的骨關節炎癥檢測分析系統

在審

• 申請號: 201910404622.3
• 申請日: 2019-05-16
• 公開（公告）號: CN110265136A
• 公開（公告）日: 2019-09-20
• 發明（設計）人: 陳金晨;謝志軍;俞建成;何靜
• 申請（專利權）人: 寧波大學
• 主分類號: G16H40/67
• 分類號: G16H40/67;G16H50/20;G06T7/00;G06K9/62;G06K9/46;A61B5/00
• 代理公司: 寧波奧圣專利代理事務所(普通合伙) 33226
• 代理人: 方小惠

1.一種基于紅外熱成像的骨關節炎癥檢測分析系統，其特征在于包括紅外熱成像儀、設置在云平臺上的醫療診斷系統和安裝在移動終端上的app客戶端，所述的醫療診斷系統由醫療部門進行維護，所述的app客戶端與所述的醫療診斷系統通過無線網絡進行數據交互，所述的醫療診斷系統包括第一用戶注冊登錄模塊、第一數據存儲模塊、圖像處理模塊和第一無線通信模塊；所述的第一注冊登錄模塊分別與所述的第一數據存儲模塊和所述的第一無線通信模塊連接，所述的第一注冊登錄模塊用于患者與醫院工作人員注冊和登錄，當醫院工作人員注冊并登錄后，醫院工作人員能夠訪問所述的第一數據存儲模塊中存儲的數據，也能通過所述的第一無線通信模塊向所述的數據存儲模塊中傳送數據，所述的圖像處理模塊分別與所述的第一數據存儲模塊和所述的第一無線通信模塊連接，所述的app客戶端包括第二用戶注冊登錄模塊、第二無線通信模塊和第二數據存儲模塊，所述的第二用戶注冊登錄模塊分別與所述的第二無線通信模塊和所述的第二數據存儲模塊連接，所述的第二數據存儲模塊與所述的第二無線通信模塊連接，所述的第二無線通訊模塊與所述的第一無線通訊模塊通過無線網絡進行數據交互；所述的第二用戶注冊登錄模塊與所述的第一用戶注冊登錄模塊通過所述的第二無線通信模塊和所述的第一無線通訊模塊之間的數據交互實現關聯，當患者進入安裝在移動終端上的app客戶端時，通過所述的第二用戶注冊登錄模塊進行注冊和登錄，其注冊和登錄信息通過所述的第二無線通訊模塊和所述的第一無線通訊模塊發送至所述的第一用戶注冊登錄模塊，完成在所述的醫療診斷系統上的同步注冊和登錄，患者注冊時的相關信息同步存儲在所述的第一數據存儲模塊中，患者注冊時的相關信息包括醫療卡號、身份證號碼和手機；

使用時，患者將紅外熱成像儀拍攝的骨關節熱圖發送至其移動終端，在登錄后，通過所述的第二無線通訊模塊將骨關節熱圖發送至所述的第一無線通訊模塊，所述的第一無線通訊模塊將接收到的骨關節熱圖發送給所述的第一數據存儲模塊存儲在對應患者下，并同步發送給所述的圖像處理模塊進行分析判定，所述的圖像處理模塊對接收到的骨關節熱圖進行分析判定后，得出判定結論發送給所述的第一數據存儲模塊存儲在對應患者下，并同步發送給所述的第一無線通訊模塊，所述的第一無線通訊模塊將接收到的判定結論發送給所述的第一無線通訊模塊，所述的第一無線通訊模塊將接收到的判定結論發送給所述的第二數據存儲模塊進行存儲，患者從所述的第二數據存儲模塊中獲取判定結論；當醫院工作人員通過所述的第一用戶注冊登錄模塊進行注冊和登錄后，醫院工作人員能夠獲取所述的第一數據存儲模塊中存儲的患者相關信息、患者骨關節熱圖及判定結論，并據此給出治療方案及建議發送給所述的第一數據存儲模塊存儲在對應患者下，所述的第一數據存儲模塊將治療方案及建議通過所述的第一無線通訊模塊發送到患者手機。

2.根據權利要求1所述的一種基于紅外熱成像的骨關節炎癥檢測分析系統，其特征在于所述的圖像處理模塊采用GooLeNet Inception V3網絡和特征融合層組合得到的GIV3網絡實現，所述的GIV3網絡的分類器采用隨機森林算法實現，所述的GIV3網絡的分類器訓練后對骨關節熱圖進行分析判定。

3.根據權利要求2所述的一種基于紅外熱成像的骨關節炎癥檢測分析系統，其特征在于所述的GIV3網絡的分類器的訓練過程為：

①從醫療部門獲取骨關節熱圖構建圖像集，并獲取圖像集中各骨關節熱圖對應的炎癥類別，將該圖像集記為S，所述的圖像集中包含100N個骨關節圖像，N為大于等于10000的整數

②將圖像集S隨機劃分為訓練集S₁和驗證集V₁，其中，訓練集S₁中的骨關節圖像數量為圖像集S中骨關節圖像數量的99％，驗證集V₁中的圖像數量為圖像集S中圖像數量的1％；

③利用訓練集S₁對所述的GIV3網絡進行參數更新，在參數更新過程中利用驗證集V₁實時評測所述的GIV3網絡的特征提取能力；

④采用更新后的GIV3網絡分別對訓練集S₁以及驗證集V₁中的每幅骨關節圖像RGB特征進行提取，分別得到訓練集S₁以及驗證集V₁中的骨關節圖像的RGB數據，采用提取得到的訓練集S₁的骨關節圖像的RGB數據構建RGB訓練數據集X_GIV3，采用提取得到的驗證集V₁的骨關節圖像的RGB數據構建RGB驗證數據集X¹_GIV3，所述的RGB訓練數據集X_GIV3包括99N個RGB數據，所述的RGB驗證數據集中包括N個RGB數據；

⑤將訓練數據集X_GIV3和RGB驗證數據集中的各數據作為輸入，訓練數據集X_GIV3和RGB驗證數據集中的各數據對應的骨關節熱圖的炎癥類型作為輸出，對所述的GIV3網絡的分類器進行訓練，得到訓練好的GIV3網絡的分類器；

所述的GIV3網絡的分類器訓練后對骨關節熱圖進行分析判定的過程為：采用GIV3網絡對骨關節熱圖的RGB特征進行提取，得到骨關節熱圖的RGB數據，將骨關節熱圖的RGB數據作為GIV3網絡的分類器的輸入輸入到GIV3網絡的分類器，GIV3網絡的分類器生成對應的炎癥類型結果輸出。