一种放射性皮炎的智能分级系统技术方案

本发明专利技术涉及一种放射性皮炎的智能分级系统，包括：皮炎数据库，用于存储皮炎图像；所述皮炎图像包括样本皮炎图像、新皮炎图像；分级学习单元，用于根据样本皮炎图像，通过深度学习网络获得初始识别模型；再不断结合同一患者输入的患者皮炎图像，对初始识别模型进行修正，以获得修正识别模型；分级识别单元，用于根据初始识别模型或修正识别模型对输入的患者皮炎图像进行识别，以判断其皮炎分级。本发明专利技术可以帮助医务人员和患者从放疗初期就对皮炎分级进行跟踪，医务人员和患者都可以通过拍照的方式，将患者皮炎图像输入系统，降低对皮炎分级判断的难度。

【技术实现步骤摘要】
一种放射性皮炎的智能分级系统
本专利技术涉及医疗器械
，特别涉及一种放射性皮炎的智能分级系统。
技术介绍
放射治疗是癌症治疗中非常重要的方法之一，但是在放射性治疗后患者往往出现不同程度的放射性皮炎，给患者带来不同程度的痛苦，严重影响患者治疗效果和生活质量。因此在临床上对于放射性皮炎需要医务人员及时作出精准识别，及早采取护理措施，减轻患者的不适，提高生活质量。目前，放射性皮炎主要是靠医务人员的临床经验和肉眼来进行分级判断，小剂量放射对皮肤的影响是隐匿和蓄积的，损害发生的迟早及轻重与放射性的性质、剂量及患者的个体差异有关。医务人员和患者识别放射性皮炎的速度和精确性低，不能及时采取有效的护理干预，也无法针对个别患者评估皮炎的严重程度和发展趋势，并且医务人员在临床教学上，因个人的临床经验差异，对皮炎分级识别能力不能很好的保持一致性。
技术实现思路
本专利技术的目的在于降低对医务人员和患者对皮炎分级判断的难度，并且提高对皮炎分级判断的准确性，提供一种放射性皮炎的智能分级系统。为了实现上述专利技术目的，本专利技术实施例提供了以下技术方案：一种放射性皮炎的智能分级系统，包括：皮炎数据库，用于存储皮炎图像；所述皮炎图像包括样本皮炎图像、新皮炎图像；分级学习单元，用于根据样本皮炎图像，通过深度学习网络获得初始识别模型；再不断结合同一患者输入的患者皮炎图像，对初始识别模型进行修正，以获得修正识别模型；分级识别单元，用于根据初始识别模型或修正识别模型对输入的患者皮炎图像进行识别，以判断其皮炎分级。在上述方案中，可以帮助医务人员和患者从放疗初期就对皮炎分级进行跟踪，医务人员和患者都可以通过拍照的方式，将患者皮炎图像输入系统，降低对皮炎分级判断的难度。更进一步地，所述分级学习单元还用于根据样本皮炎图像、新皮炎图像，通过深度学习网络对初始识别模型进行更新。在上述方案中，使用大量患者的历史皮炎图像和不断输入的患者皮炎图像对初始识别模型Hp进行更新，相当于是对系统的更新换代，更新后的系统更加适用于所有患者，对患者前两次的皮炎分级判断更加准确。更进一步地，所述新皮炎图像为所有患者输入过分级识别单元的患者皮炎图像。更进一步地，所述分级识别单元对同一患者首次输入和第二次输入的患者皮炎图像进行识别时，使用所述初始识别模型；对第二次之后输入的患者皮炎图像进行识别时，使用所述修正识别模型。在上述方案中，首先通过大量患者的历史皮炎图像作为训练集，学习训练得到初始识别模型Hp；再根据同一患者前两次输入的患者皮炎图像对初始识别模型Hp进行修正，以获得修正识别模型Gp。更进一步地，所述样本皮炎图像、新皮炎图像被标记有其对应的皮炎等级，以及放射周期、放射剂量。更进一步地，所述分级学习单元在根据样本皮炎图像通过深度学习网络获得初始识别模型时，需要结合样本皮炎图像对应的皮炎等级进行学习。更进一步地，所述分级学习单元在根据样本皮炎图像、新皮炎图像通过深度学习网络对初始识别模型进行更新时，需要结合样本皮炎图像和新皮炎图像对应的皮炎等级进行更新。更进一步地，所述患者皮炎图像被标记有其对应的放射周期、放射剂量。更进一步地，所述分级学习单元在结合同一患者输入的患者皮炎图像对初始识别模型进行修正时，需要结合该患者皮炎图像对应的放射周期、放射剂量进行修正。在上述方案中，根据同一患者前两次之后每一次输入的患者皮炎图像对上一次获得的修正识别模型Gp进行修正，以获得更新后的修正识别模型Gp`。与现有技术相比，本专利技术的有益效果：本专利技术可以帮助医务人员和患者从放疗初期就对皮炎分级进行跟踪，医务人员和患者都可以通过拍照的方式，将患者皮炎图像输入系统，降低对皮炎分级判断的难度。本专利技术首先通过大量患者的历史皮炎图像作为训练集，学习训练得到初始识别模型Hp；再根据同一患者前两次输入的患者皮炎图像对初始识别模型Hp进行修正，以获得修正识别模型Gp；再根据同一患者前两次之后每一次输入的患者皮炎图像对上一次获得的修正识别模型Gp进行修正，以获得更新后的修正识别模型Gp`。本专利技术在输入患者皮炎图像的同时，还要输入放射周期、放射剂量，因此分级学习单元不仅要根据患者皮炎图像来更新修正识别模型Gp，还要结合放射周期、放射剂量，克服了放射对不同患者会有不同程度皮炎的影响。本专利技术使用大量患者的历史皮炎图像和不断输入的患者皮炎图像对初始识别模型Hp进行更新，相当于是对系统的更新换代，更新后的系统更加适用于所有患者，对患者前两次的皮炎分级判断更加准确。附图说明为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本专利技术的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。图1为本专利技术系统模块框图；图2为本专利技术系统使用流程图。具体实施方式下面将结合本专利技术实施例中附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本专利技术实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本专利技术的实施例的详细描述并非旨在限制要求保护的本专利技术的范围，而是仅仅表示本专利技术的选定实施例。基于本专利技术的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本专利技术保护的范围。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本专利技术的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性，或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。实施例1：本专利技术通过下述技术方案实现，如图1所示，一种放射性皮炎的智能分级系统，包括皮炎数据库、分级学习单元、分级识别单元，其中：所述皮炎数据库用于存储皮炎图像，存储的皮炎图像包括样本皮炎图像、新皮炎图像。样本皮炎图像为大量患者的历史皮炎图像，每张历史皮炎图像都标记有其对应的皮炎等级、放射周期、放射剂量，因此样本皮炎图像作为训练集，用于训练学习初始识别模型Hp。新皮炎图像则为患者在使用本系统后，每次输入的的患者皮炎图像。所述分级学习单元用于根据样本皮炎图像训练学习获得初始识别模型Hp，再不断结合输入的新皮炎图像和输入新皮炎图像的时间，对初始识别模型Hp进行修正，以获得修正识别模型Gp。由于患者个人差异，同剂量、同周期的患者，都可能出现不同的皮炎等级，因此初始识别模型Hp是适用于所有患者的模型，但随着放射的次数增加，不同的患者会有不同程度的皮炎，因此在针对某一患者的识别模型需要根据该患者每一次放射的时间、放射剂量来判断皮炎的严重程度，所以对于同一患者，要不断根本文档来自技高网...

【技术保护点】
1.一种放射性皮炎的智能分级系统，其特征在于：包括：/n皮炎数据库，用于存储皮炎图像；所述皮炎图像包括样本皮炎图像、新皮炎图像；/n分级学习单元，用于根据样本皮炎图像，通过深度学习网络获得初始识别模型；再不断结合同一患者输入的患者皮炎图像，对初始识别模型进行修正，以获得修正识别模型；/n分级识别单元，用于根据初始识别模型或修正识别模型对输入的患者皮炎图像进行识别，以判断其皮炎分级。/n

【技术特征摘要】
1.一种放射性皮炎的智能分级系统，其特征在于：包括：
皮炎数据库，用于存储皮炎图像；所述皮炎图像包括样本皮炎图像、新皮炎图像；
分级学习单元，用于根据样本皮炎图像，通过深度学习网络获得初始识别模型；再不断结合同一患者输入的患者皮炎图像，对初始识别模型进行修正，以获得修正识别模型；
分级识别单元，用于根据初始识别模型或修正识别模型对输入的患者皮炎图像进行识别，以判断其皮炎分级。


2.根据权利要求1所述的一种放射性皮炎的智能分级系统，其特征在于：所述分级学习单元还用于根据样本皮炎图像、新皮炎图像，通过深度学习网络对初始识别模型进行更新。


3.根据权利要求1所述的一种放射性皮炎的智能分级系统，其特征在于：所述新皮炎图像为所有患者输入过分级识别单元的患者皮炎图像。


4.根据权利要求1所述的一种放射性皮炎的智能分级系统，其特征在于：所述分级识别单元对同一患者首次输入和第二次输入的患者皮炎图像进行识别时，使用所述初始识别模型；对第二次之后输入的患者皮炎图像进行识别时，使用所述修正识别模...

【专利技术属性】
技术研发人员：阮礼凤，张含凤，方迎红，冷小玲，晋李，黎彦佐，
申请(专利权)人：四川省肿瘤医院，
类型：发明
国别省市：四川;51