一种基于红外成像的皮肤癌筛查系统技术方案

本发明专利技术涉及皮肤癌筛查技术领域，公开了一种基于红外成像的皮肤癌筛查系统，包括红外成像采集模块、热图处理模块、图像获取模块、图像筛选模块、图像处理模块以及卷积神经网络模型；所述红外成像采集模块用于获取人体的伪彩色热图；所述热图处理模块对输入的伪彩色热图进行校正处理，并确定疑似病变区；所述图像获取模块用于获取疑似病变区对应的人体皮肤图像；所述图像筛选模块对人体皮肤图像按照清晰标准进行筛选；所述图像处理模块对人体皮肤图像进行处理，将处理后的图片传输至卷积神经网络模型进行训练，得出诊断结果。该系统将红外成像技术与神经网络技术相结合，将其应用于皮肤癌的自动筛查工作中，以解决临床筛查工作带来麻烦。来麻烦。来麻烦。

【技术实现步骤摘要】
一种基于红外成像的皮肤癌筛查系统


[0001]本专利技术涉及皮肤癌筛查
，具体涉及一种基于红外成像的皮肤癌筛查系统。

技术介绍

[0002]皮肤癌是一种高发的恶性肿瘤，包括基底细胞癌、恶性黑色素瘤以及鳞状细胞癌等，其中以恶性黑色素瘤预后最差，死于恶性黑素素瘤的患者占死于皮肤肿瘤患者总数的75％以上，恶性黑色素瘤的五年存活率不足1％。在临床上，皮肤癌的诊断首先需要进行临床筛查，然后进行皮肤镜检查，随后进行活检以及组织病理学检查。
[0003]随着卷积神经网络(Convolutional Neural Network，CNN)的技术发展，使用深度学习来进行皮肤肿瘤自动识别已经成为了一种可能。深度学习作为机器学习
当中的最新技术，已证实在有极大数据集作为输入的基础之上，能够在视觉识别领域达到较高水准(如人脸识别)，并且在策略类游戏如围棋中能够超过人类能力(如AlphaGo)。
[0004]远红外热成像原理从物理学原理分析，人体就是一个自然的生物红外辐射源，能够不断向周围发射和吸收红外辐射。正常人体的温度分布具有一定的稳定性和特征性，机体各部位温度不同，形成了不同的热场。当人体某处发生疾病或功能改变时，该处血流量会相应发生变化，导致人体局部温度改变，表现为温度偏高或偏低。
[0005]由于人体皮肤的范围较广，若单一依靠神经网络模型去诊断，无疑会使整个系统的工作量增大，庞大的数据库降低整个系统的运行，使诊断效率以及效果都有所降低，因此，有必要设计一种新的结合红外成像技术以及神经网络技术，将其应用于皮肤癌的自动筛查工作中，以解决临床筛查工作带来麻烦。

技术实现思路

[0006]针对现有技术存在的不足，本专利技术的目的在于提供一种基于红外成像的皮肤癌筛查系统，该系统将红外成像技术与神经网络技术相结合，将其应用于皮肤癌的自动筛查工作中，以解决临床筛查工作带来麻烦。
[0007]为了实现上述目的，本专利技术提供如下技术方案：
[0008]一种基于红外成像的皮肤癌筛查系统，包括红外成像采集模块、热图处理模块、图像获取模块、图像筛选模块、图像处理模块以及卷积神经网络模型；
[0009]所述红外成像采集模块用于获取人体的伪彩色热图；
[0010]所述热图处理模块对输入的伪彩色热图进行校正处理，并将校正后的图像与正常人体的彩色热图进行比对，确定疑似病变区；
[0011]所述图像获取模块用于获取疑似病变区对应的人体皮肤图像，所述图像筛选模块对人体皮肤图像按照清晰标准进行筛选，剔除不符合清洗标准的人体皮肤图像；
[0012]所述图像处理模块对人体皮肤图像进行处理，将处理后的图片传输至卷积神经网络模型进行训练，得出皮肤癌筛选预测数据报告。
[0013]在本专利技术中，进一步的，所述红外成像采集模块包括红外成像仪，所述红外成像仪用于采集人体红外辐射并转换为数字信号，生成伪色彩热图。
[0014]在本专利技术中，进一步的，所述热图处理模块包括热图校正单元以及对比单元，所述热图校正单元用于对热图进行非均匀校正、滤波去噪以及细节增强，所述对比单元用于对校正后的图像与预设的正常图像进行对比，以确定疑似病变区。
[0015]所述图像获取模块包括摄像头，所述摄像头用于获取人体的疑似病变区的人体表层皮肤图像。
[0016]在本专利技术中，进一步的，所述图像筛选模块包括筛选单元和预处理单元，所述筛选单元对人体皮肤图像按照预设清晰度进行筛选，其中清晰度包括分辨率、色彩、对比度以及曝光度的综合测算，所述预处理单元用于对筛选的图像进行自动图像校正。
[0017]在本专利技术中，进一步的，所述图像处理模块包括区域融合单元，所述区域统计融合单元将图像中纹路相同的像素融合为一个区域，以将病变区域进行粗分割。
[0018]在本专利技术中，进一步的，所述区域融合单元利用SRM算法进行处理，其中SRM算法包括：
[0019]点对排序，将图像按照四邻接两两结合成点对，选一个函数的计算点对的融合代价，并按照融合代价的大小进行排序，并对排序结果进行图像融合。
[0020]按照如下公式对所述排序结果进行图像融合，所述公式为：
[0021][0022][0023]其中，R为区域中像素个数，δ为图像总像素个数倒数的1/6，Q是质量因数，Q越大分隔越细致。
[0024]在本专利技术中，进一步的，所述卷积神经网络模型包括数据输入模块、图像分隔处理模块以及结果输出模块，所述数据输入模块用于输入若干带有疾病标签的皮肤癌图片以及等量的良性生长图片，所述图像分隔处理模块用于对输入的皮肤癌图片进行分类训练并给予每个图片参数评定，所述结果输出模块用于输出皮肤癌筛选预测数据报告。
[0025]在本专利技术中，优选的，所述图像分隔处理模块包括处理子集、提取子集以及评析子集，所述处理子集对皮肤癌图片以及良性生长图片进行图像处理，所述提取子集用于提取皮肤癌图片以及良性生长图片上对应的生物标志物，并给予每个生物标志物恶性参数评定，所述评析子集用于组合生物标志物，计算每个图像的综合参数在0至1之间。
[0026]与现有技术相比，本专利技术的有益效果是：
[0027]本专利技术的首先利用红外成像采集模块对人身体进行全面检查，通过热图处理模块对伪彩色热图进行校正处理，并将校正后的图像与正常人体的彩色热图进行比对，从而确定疑似病变区。由于红外成像技术的检测相对较快，整体仅需要几分钟便可完成，且初检准确度较高，当利上述确定疑似病变区域后，在利用图像获取模块对疑似病变区进行拍照，获取疑似病变区对应的人体皮肤图像，通过对此图像进行筛选、处理后进入卷积神经网络模型进行预测，并给出预测结果。本专利技术通过先利用红外成像技术对人整体进行初检，从而锁
定病变区域，相比于用整个热图或人体整个病理图片全部进行核查，降低了卷积网络模型检查的工作负担，从而降低整个系统的工作量，将其应用于皮肤癌的自动筛查工作中，以解决临床筛查工作带来麻烦，提高整个系统的运行速度以及诊断效率。
附图说明
[0028]附图用来提供对本专利技术的进一步理解，并且构成说明书的一部分，与本专利技术的实施例一起用于解释本专利技术，并不构成对本专利技术的限制。在附图中：
[0029]图1是本专利技术的一种基于红外成像的皮肤癌筛查系统整体结构图；
[0030]图2是本专利技术的数据输入模块中输入的皮肤癌图片样本的示意图；
[0031]图3是本专利技术的皮肤癌原始病变区域图像；
[0032]图4是本专利技术的区域融合单元处理后的图像。
具体实施方式
[0033]下面将结合本专利技术实施例中的附图，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。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动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。
[0034]需要说明的是，当组件被称为“固定于”另一个组件，它可以直接在另一个组件上或者也可以存在居中的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于红外成像的皮肤癌筛查系统，其特征在于，包括红外成像采集模块、热图处理模块、图像获取模块、图像筛选模块、图像处理模块以及卷积神经网络模型；所述红外成像采集模块用于获取人体的伪彩色热图；所述热图处理模块对输入的伪彩色热图进行校正处理，并将校正后的图像与正常人体的彩色热图进行比对，确定疑似病变区；所述图像获取模块用于获取疑似病变区对应的人体皮肤图像，所述图像筛选模块对人体皮肤图像按照清晰标准进行筛选，剔除不符合清洗标准的人体皮肤图像；所述图像处理模块对人体皮肤图像进行处理，将处理后的图片传输至卷积神经网络模型进行训练，得出皮肤癌筛选预测数据报告。2.根据权利要求1所述的一种基于红外成像的皮肤癌筛查系统，其特征在于，所述红外成像采集模块包括红外成像仪，所述红外成像仪用于采集人体红外辐射并转换为数字信号，生成伪色彩热图。3.根据权利要求2所述的一种基于红外成像的皮肤癌筛查系统，其特征在于，所述热图处理模块包括热图校正单元以及对比单元，所述热图校正单元用于对热图进行非均匀校正、滤波去噪以及细节增强，所述对比单元用于对校正后的图像与预设的正常图像进行对比，以确定疑似病变区。4.根据权利要求2所述的一种基于红外成像的皮肤癌筛查系统，其特征在于，所述图像获取模块包括摄像头，所述摄像头用于获取人体的疑似病变区对应的人体表层皮肤图像。5.根据权利要求2所述的一种基于红外成像的皮肤癌筛查系统，其特征在于，所述图像筛选模块包括筛选单元和预处理单元，所述筛选单元对人体皮肤图像按照预设清晰度进行筛选，其中清晰度包括分辨率、色彩、对比度以及曝光度的综合测算，所述预处理单元用于对筛选的图像进行自动图像校正。6.根据权...

【专利技术属性】
技术研发人员：俞晔，方圆圆，袁凤，
申请(专利权)人：上海市第一人民医院，
类型：发明
国别省市：