一种皮肤异常症状辅助诊断系统技术方案

本发明专利技术提出了一种皮肤异常症状辅助诊断系统，包括：图像采集单元、图像标记单元、图像增强单元、图像分割单元、特征提取单元及图像分类单元。本发明专利技术基于同一数据集，采取临床症状特征图片以及与之对应的描述与标注在不同病症上建模的方式，根据不同的性能指标来对现有皮肤异常症状和分类方法进行对比的技术，最终得出针对皮肤异常症状诊断的最优机器学习方法，并得到目标图像的分类输出概率，这样进行多方位、多维度对比，来智能推导皮肤具体疾病，准确率高，最大限度地降低了漏诊和误诊风险，合理分配医疗资源，并减少了不必要的医疗过程。

An assistant diagnosis system of skin abnormal symptoms

【技术实现步骤摘要】
一种皮肤异常症状辅助诊断系统
本专利技术涉及人工智能
，尤其涉及一种皮肤异常症状辅助诊断系统。
技术介绍
皮肤病是一个比较宽泛的概念，即只要发生在皮肤上的一些病理过程都统称为皮肤病。皮肤病的种类很多，多达几千种，最常见的皮肤病可能也有几百种，不同的皮肤病表现出来的临床症状特征会有很大的差别。由于皮肤病的种类繁多且医患数量严重失衡，常需要辅助诊断系统进行辅助诊断，以实现快速诊断、提高诊断效率，皮肤病诊断系统通常表现为患者勾选系统呈现的疾病症状，若患者勾选的疾病症状与某种皮肤病对应，系统则给出患者可能患有此种性病的诊断结果。上述症状与皮肤病的对应规则通常人为设定，一般是患者具有某一皮肤病的特定症状即诊断患者患有该疾病，患者不具有某一皮肤病的特定症状即诊断患者未患有该疾病，这种皮肤病诊断系统的诊断方式绝对，准确率低，容易造成误诊。
技术实现思路
有鉴于此，本专利技术提出了一种皮肤异常症状辅助诊断系统，以解决传统皮肤病诊断系统的诊断方式绝对，准确率低、容易造成误诊的问题。本专利技术的技术方案是这样实现的：本专利技术提供本文档来自技高网...

【技术保护点】
1.一种皮肤异常症状辅助诊断系统，其特征在于，包括：/n图像采集单元(10)，用于采集皮肤异常症状特征图像；/n图像标记单元(20)，用于对所述皮肤异常症状特征图像进行标注和描述；/n图像增强单元(30)，用于利用所述皮肤异常症状特征图像的皮肤镜像图进行形状与色彩空间转换，并利用图像直方图对对比度进行调整，增强所述皮肤异常症状特征图像的对比度；/n图像分割单元(40)，用于采用机器学习分割算法对预处理和增强后的所述皮肤镜像图进行处理，提取出感兴趣特征区域；/n特征提取单元(50)，用于提取所述感兴趣特征区域中的特征并转化为可识别向量；/n图像分类单元(70)，用于分别采用多种不同的机器学习分类...

【技术特征摘要】
1.一种皮肤异常症状辅助诊断系统，其特征在于，包括：
图像采集单元(10)，用于采集皮肤异常症状特征图像；
图像标记单元(20)，用于对所述皮肤异常症状特征图像进行标注和描述；
图像增强单元(30)，用于利用所述皮肤异常症状特征图像的皮肤镜像图进行形状与色彩空间转换，并利用图像直方图对对比度进行调整，增强所述皮肤异常症状特征图像的对比度；
图像分割单元(40)，用于采用机器学习分割算法对预处理和增强后的所述皮肤镜像图进行处理，提取出感兴趣特征区域；
特征提取单元(50)，用于提取所述感兴趣特征区域中的特征并转化为可识别向量；
图像分类单元(70)，用于分别采用多种不同的机器学习分类模型和深度学习分类模型在同等条件下对所述可识别向量进行分类，并从多种不同分类结果中选取最优分类结果进行输出。


2.如权利要求1所述的皮肤异常症状辅助诊断系统，其特征在于，所述图像分割单元(40)还用于从多种不同机器学习分割算法对所述皮肤镜像图进行分割后的分割结果中选取最优分割结果。


3.如权利要求1所述的皮肤异常症状辅助诊断系统，其特征在于，所述感兴趣特征区域中的特征包括形状特征、颜色特征以及纹理特征。


4.如权利要求1所述的皮肤异常症状辅助诊断系统，其特征在于，所述多种不同的机器学习分类模型和深度学习分类模型包括SVM、KNN、逻辑回归、决策树和超限学习机中的至少两种。

【专利技术属性】
技术研发人员：杜登斌，
申请(专利权)人：北京中润普达信息技术有限公司，
类型：发明
国别省市：北京;11