口腔黏膜病检测模型构建和预测方法、装置、终端及介质制造方法及图纸

本发明专利技术提供口腔黏膜病检测模型构建和预测方法、装置、终端及介质，利用计算视觉技术构建口腔粘膜病辅助诊断系统，对口腔白色损害图进行检测、分割和识别，能够帮助医生快速定位口腔黏膜白色损害部位和形态，辅助医生做出诊断。本发明专利技术具有以下优势：

【技术实现步骤摘要】
口腔黏膜病检测模型构建和预测方法、装置、终端及介质


[0001]本专利技术涉及人工智能模型
，特别是涉及口腔黏膜病检测模型构建和预测方法、装置、终端及介质。

技术介绍

[0002]人工智能(Artificial Intelligence，AI)医疗已经成为人工智能最重要的应用领域，越来越成为时下的研究重点。随着机器学习的成熟，基于数百万患者的数据学习，AI将作出更加准确的诊断结果。医疗影像被认为是人工智能最有可能落地的领域之一，疾病的筛查对于民众以及国家均具有重要的意义，而影像学检查是疾病早筛查的重要环节。AI医疗的引入有助于提升影像科的工作效率，减轻医务人员的工作负担，减少误诊漏诊现象的发生，为大规模疾病的早期筛查提供有力的技术支持。图像识别是深度学习等AI技术进步最快的领域之一，卷积神经网络(CNN)等通过感受野和权值共享减少了神经网络的参数，超越了传统方法的图像识别性能。
[0003]通过国内外“AI+医疗”研究现状的调研和分析，可以发现较多的研究工作主要集中在肺部、脑部、心脏等区域的医疗影像智能分析，有许多研究已经走进医院，成为了医生诊断的得力助手。但是同时，智能医疗行业还存在诸多问题，例如在研究阶段，不同于一般的数据集，甚至大多数有本行业的公共数据集，由于医疗影像数据集包含病人隐私的特殊性，一般很难获取，而且数量很少，这就对深度学习带来了巨大的挑战。加之，医疗数据集需要专业医生进行标注，费事费力，成本极大，这些都严重阻碍了智能医疗的发展。在应用阶段，对系统算法的稳定性，可靠性，可移植性都提出了更为严苛的要求，需要进一步提高和完善。
[0004]随着美国斯坦福大学论文“深度学习皮肤癌诊断达专家水平”于2017年报道以来，人工智能再一次引起各界广泛关注，人工智能与医学的跨界合作，可提高医生工作效率和诊断的准确率。近年来，人工智能在皮肤病学界的应用非常广泛，因为皮肤病表现大多位于体表，诸多病种根据皮损特征便可做出快速诊断，且人工智能对图像的学习能力远超人类，使皮肤科成为当前人工智能应用的热点之一。口腔黏膜在结构和功能上与皮肤非常类似，同样，口腔黏膜张口即见、易于观察，因此人工智能对于口腔黏膜病亦能发挥重要作用。
[0005]虽然目前的人工智能技术在医疗影像处理和辅助诊断方面有了长足的进步，但是针对口腔黏膜病的相关研究比较少。此外，目前鲜有将计算机视觉技术应用于口腔黏膜白色斑纹类疾病(口腔白斑、口腔扁平苔藓/口腔苔藓样损害、口腔白色过角化病)的辅助诊断方面。

技术实现思路

[0006]鉴于以上所述现有技术的缺点，本专利技术的目的在于提供口腔黏膜病检测模型构建和预测方法、装置、终端及介质，用于解决现有技术中的问题。
[0007]为实现上述目的及其他相关目的，本专利技术的第一方面提供一种基于机器视觉的口
腔黏膜病检测模型构建方法，包括：采集并标注口腔黏膜斑纹类疾病数据；对所述口腔黏膜斑纹类疾病数据进行增强处理，以生成口腔黏膜斑纹类疾病增强数据；输入所述口腔黏膜斑纹类疾病增强数据，构建口腔黏膜病检测模型；所述口腔黏膜病检测模型用于输出当前患者的疑似病损区分割位置及疾病类型。
[0008]于本专利技术的第一方面的一些实施例中，所述采集并标注口腔黏膜斑纹类疾病数据包括：采集口腔黏膜斑纹类疾病病损图像数据；利用图形标注工具，对采集到的口腔黏膜斑纹类疾病病损图像数据标注病损区域位置和疾病种类。
[0009]于本专利技术的第一方面的一些实施例中，所述对所述口腔黏膜斑纹类疾病数据进行增强处理的方式包括：对采集到的图形数据进行随机裁剪、水平变换、竖直变换、仿射变换、或者高斯扰动。
[0010]于本专利技术的第一方面的一些实施例中，，所述构建口腔黏膜病检测模型，包括利用Mask R-CNN模型来构建本实施例中的口腔黏膜病检测模型。
[0011]于本专利技术的第一方面的一些实施例中，所述Mask R-CNN模型包括具有空间注意力机制的Mask R-CNN-S模型。
[0012]于本专利技术的第一方面的一些实施例中，所述方法还包括：基于预设的多项指标对所述口腔黏膜病检测模型的准确性进行评价；所述指标包括敏感性、特异性、阳性预测值、阴性预测值。
[0013]为实现上述目的及其他相关目的，本专利技术的第二方面提供一种基于机器视觉的口腔黏膜病预测方法，包括：获取当前患者的口腔内膜图像数据；将所获取的当前患者的口腔内膜图像数据输入经过训练的口腔黏膜病检测模型中，以通过所述口腔黏膜病检测模型的输出数据来预测当前患者的病损分割位置及疾病类型。
[0014]为实现上述目的及其他相关目的，本专利技术的第三方面提供一种基于机器视觉的口腔黏膜病检测模型构建装置，包括：数据采集模块，用于采集口腔黏膜斑纹类疾病数据；数据标注模块，用于标注口腔黏膜斑纹类疾病数据；数据增强模块，用于对所述口腔黏膜斑纹类疾病数据进行增强处理，以生成口腔黏膜斑纹类疾病增强数据；模型构建模块，用于输入所述口腔黏膜斑纹类疾病增强数据，构建口腔黏膜病检测模型；所述口腔黏膜病检测模型用于输出当前患者的疑似病损区分割位置及疾病类型。
[0015]为实现上述目的及其他相关目的，本专利技术的第四方面提供一种基于机器视觉的口腔黏膜病预测装置，包括：图像数据获取模块，用于获取当前患者的口腔内膜图像数据；疾病预测模块，用于将所获取的当前患者的口腔内膜图像数据输入经过训练的口腔黏膜病检测模型中，以通过所述口腔黏膜病检测模型的输出数据来预测当前患者的病损分割位置及疾病类型。
[0016]为实现上述目的及其他相关目的，本专利技术的第五方面提供一种模型构建终端，包括：处理器及存储器；所述存储器用于存储计算机程序；所述处理器用于执行所述存储器存储的计算机程序，以使所述终端执行所述基于机器视觉的口腔黏膜病检测模型构建方法。
[0017]为实现上述目的及其他相关目的，本专利技术的第六方面提供一种疾病预测终端，包括：处理器及存储器；所述存储器用于存储计算机程序；所述处理器用于执行所述存储器存储的计算机程序，以使所述终端执行所述基于机器视觉的口腔黏膜病预测方法。
[0018]为实现上述目的及其他相关目的，本专利技术的第七方面提供一种计算机可读存储介
质，其上存储有第一计算机程序和/或第二计算机程序，其特征在于，所述第一计算机程序被处理器执行时实现所述基于机器视觉的口腔黏膜病检测模型构建方法；所述第二计算机程序被处理器执行时实现所述的基于机器视觉的口腔黏膜病预测方法。
[0019]如上所述，本专利技术的口腔黏膜病检测模型构建和预测方法、装置、终端及介质，具有以下有益效果：本专利技术将计算机视觉技术应用于口腔黏膜病诊断学，利用计算视觉技术构建口腔粘膜病辅助诊断系统，对口腔白色损害图进行检测、分割和识别，能够帮助医生快速定位口腔黏膜白色损害部位和形态，辅助医生做出诊断，特别适用于未受过口腔黏膜病学专科培训的医生或者患者自检自查。借助计算机辅助诊断有以下优势：
①
计算机视觉技术能强化对医学图像的表达，能够观察口腔白色损害的细微差异，包括部位、颜色本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于机器视觉的口腔黏膜病检测模型构建方法，其特征在于，包括：采集并标注口腔黏膜斑纹类疾病数据；对所述口腔黏膜斑纹类疾病数据进行增强处理，以生成口腔黏膜斑纹类疾病增强数据；输入所述口腔黏膜斑纹类疾病增强数据，构建口腔黏膜病检测模型；所述口腔黏膜病检测模型用于输出当前患者的疑似病损区分割位置及疾病类型。2.根据权利要求1所述的口腔黏膜病检测模型构建方法，其特征在于，所述采集并标注口腔黏膜斑纹类疾病数据包括：采集口腔黏膜斑纹类疾病病损图像数据；利用图形标注工具，对采集到的口腔黏膜斑纹类疾病病损图像数据标注病损区域位置和疾病种类。3.根据权利要求1所述的口腔黏膜病检测模型构建方法，其特征在于，所述对所述口腔黏膜斑纹类疾病数据进行增强处理的方式包括：对采集到的图形数据进行随机裁剪、水平变换、竖直变换、仿射变换、或者高斯扰动。4.根据权利要求1所述的口腔黏膜病检测模型构建方法，其特征在于，所述构建口腔黏膜病检测模型，包括利用Mask R-CNN模型来构建所述口腔黏膜病检测模型。5.根据权利要求4所述的口腔黏膜病检测模型构建方法，其特征在于，所述Mask R-CNN模型包括具有空间注意力机制的Mask R-CNN-S模型。6.根据权利要求1所述的口腔黏膜病检测模型构建方法，其特征在于，所述方法还包括：基于预设的多项指标对所述口腔黏膜病检测模型的准确性进行评价；所述指标包括敏感性、特异性、阳性预测值、阴性预测值。7.一种基于机器视觉的口腔黏膜病预测方法，其特征在于，包括：获取当前患者的口腔内膜图像数据；将所获取的当前患者的口腔内膜图像数据输入经过训练的口腔黏膜病检测模型中，以通过所述口腔黏膜病检测模型的输出数据来预测当前患...

【专利技术属性】
技术研发人员：沈雪敏，谢飞，管子玉，许鹏飞，郜刚，张忻宗，汤云居，
申请(专利权)人：陕西大智慧医疗科技股份有限公司，
类型：发明
国别省市：