一种基于照片的眼睑恶性肿瘤智能识别系统技术方案

本发明专利技术提供了一种基于照片的眼睑恶性肿瘤智能识别系统，属于眼睑肿瘤图像识别技术领域。眼睑恶性肿瘤智能识别系统包括：照片导入模块、眼睑肿瘤定位模块、眼睑肿瘤生长情况判断模块、结果输出模块。本发明专利技术解决了解决目前部分眼睑良恶性肿瘤鉴别困难、眼睑恶性肿瘤早期识别率低的问题，具有节约医疗资源、可靠性高的优点。高的优点。高的优点。

【技术实现步骤摘要】
一种基于照片的眼睑恶性肿瘤智能识别系统


[0001]本专利技术涉及眼睑肿瘤图像识别
，具体是涉及一种基于照片的眼睑恶性肿瘤智能识别系统。

技术介绍

[0002]眼睑肿瘤是一种常见的眼部肿瘤类型，其好发于中老年女性。百分之八十的眼睑肿瘤是良性的，如：痣、黄斑瘤、囊肿、肉芽肿、血管瘤等。而剩余百分之二十的眼睑肿瘤为恶性，包括：基底细胞癌、皮脂腺癌、恶性黑素瘤、转移性肿瘤等，目前，眼睑恶性瘤的成因尚不十分清楚。
[0003]眼睑恶性肿瘤由于可侵犯眼球、大脑和鼻旁窦等邻近组织，因而对视功能、面容甚至是生命都构成巨大的威胁。早期发现和治疗眼睑恶性肿瘤可以预防严重的组织结构破坏，并取得在美容和功能上最令人满意的结果。此外，虽然眼睑黑色素瘤和皮脂腺癌是罕见的病变，但它们早期可发生远处转移，因此死亡率很高。然而，这些高度恶性的眼睑肿瘤如果能在早期被发现(皮肤浸润深度≤0.76毫米)并获得相应的治疗，其5年生存率可达99％以上。因此，早期识别眼睑恶性肿瘤对改善预后是相当重要的。
[0004]但现今，对于眼睑肿瘤类型的分辨和确诊往往需要经验丰富的眼眶眼整形医生进行检查和诊断，年轻眼科医生识别眼睑恶性肿瘤的准确率低，且部分眼睑良恶性肿瘤鉴别困难、眼睑恶性肿瘤早期识别率低。例如某些眼睑恶性黑色素瘤在早期和良性的色素痣在外貌、形态、质地等方面都非常相似，很容易被患者自己或临床经验相对较少的医生所忽略。然而，恶性黑色素瘤早期发生转移的可能性较大，会对生命造成巨大的危险。并且转移后再进行治疗，疗效往往不好，并发症多，预后也相对较差。

技术实现思路

[0005]本专利技术解决的技术问题是：目前部分眼睑良恶性肿瘤鉴别困难、眼睑恶性肿瘤早期识别率低。
[0006]为解决上述问题，本专利技术的技术方案如下：
[0007]提供一种基于照片的眼睑恶性肿瘤智能识别系统，包括：
[0008]用于将普通数码相机或智能手机拍摄照片导入系统的照片导入模块，照片导入模块包括：用于初次导入眼睑照片的初次导入子模块，用于再次导入眼睑照片的再次导入子模块，初次导入子模块的输出数据传入眼睑肿瘤定位模块，再次导入子模块的输出数据传入眼睑肿瘤生长情况判断模块，
[0009]用于将照片导入模块导入照片中肿瘤的位置进行定位后对照片进行裁剪并输出裁剪后眼睑肿瘤照片的眼睑肿瘤定位模块，眼睑肿瘤定位模块基于通过定位深度学习训练的眼睑肿瘤定位模型，
[0010]用于将眼睑肿瘤定位模块导出的裁剪后的肿瘤图片进行识别，得出肿瘤类型的眼睑肿瘤良恶性识别模块，眼睑肿瘤良恶性识别模块基于通过分类深度学习训练的眼睑肿瘤
良恶性识别模型，
[0011]用于将照片导入模块再次导入照片与初次导入照片进行比对的眼睑肿瘤生长情况判断模块，眼睑肿瘤生长情况判断模块包括：用于通过照片判断肿瘤生长速度的生长速度判断子模块，用于通过照片判断肿瘤破溃情况的破溃判断子模块，根据生长速度判断子模块和破溃判断子模块判断结果得出肿瘤良恶性的肿瘤生长情况输出子模块，
[0012]用于将眼睑肿瘤良恶性识别模块判定结果进行输出的结果输出模块，结果输出模块包括：在眼睑肿瘤良恶性识别模块或眼睑肿瘤生长情况判断模块判定结果为恶性时，提醒使用者尽快诊疗的恶性通知子模块，在眼睑肿瘤良恶性识别模块判定结果为良性时，提醒使用者择日再次上传眼睑照片进行进一步诊断的再次识别通知子模块，在使用者再次将眼睑照片上传至眼睑恶性肿瘤智能识别系统，眼睑肿瘤生长情况判断模块判定结果为良性时，告知使用者眼睑肿瘤为良性的良性通知子模块。
[0013]进一步地，眼睑恶性肿瘤智能识别系统还包括：用于对使用者信息进行处理的使用者信息管理模块，使用者信息管理模块包括：用于对使用者个人信息进行处理的个人信息管理子模块，用于对使用者历史眼睑照片进行管理的照片管理子模块，使得智能识别系统能够对使用者的信息进行记录和回溯。
[0014]进一步地，眼睑恶性肿瘤智能识别系统还包括：用于存储使用者信息和使用者上传眼睑照片的数据库，能够对系统工作过程中产生的数据进行记录及处理。
[0015]进一步地，眼睑肿瘤定位模型的训练过程为：
[0016]SA1、收集包含有恶性眼睑肿瘤、良性眼睑肿瘤、无眼睑肿瘤的眼睑照片生成图像数据集，并将图像数据集分成训练数据集和测试数据集；
[0017]SA2、对图像数据集眼睑照片中眼睑肿瘤的位置用矩形框进行标注；
[0018]SA3、通过Faster
‑
RCNN网络构建眼睑肿瘤定位模型，定义损失函数，选择优化器，再通过训练数据集对眼睑肿瘤定位模型进行训练；
[0019]SA4、训练完成后，通过测试数据集对眼睑肿瘤定位模型进行验证及调整，使得眼睑肿瘤定位模型对照片中眼睑肿瘤裁剪准确率大于90％。
[0020]眼睑肿瘤定位模型处理后的数据能够作为眼睑肿瘤良恶性识别模型和眼睑肿瘤破溃识别模型的数据来源，不仅利于模型的训练，还能够便于眼睑肿瘤良恶性识别模型对眼睑肿瘤类型的判断。
[0021]更进一步地，眼睑肿瘤良恶性识别模型的训练过程为：
[0022]SB1、将眼睑肿瘤定位模型裁剪后眼睑肿瘤照片进行整理，根据病理学结果，将裁剪的眼睑肿瘤照片分为良性和恶性，然后对照片进行预处理，通过水平和垂直翻转、位移进行数据增量，将处理后的照片作为图像数据集，并将图像数据集分成训练数据集和测试数据集；
[0023]SB2、通过深度学习分类网路VGG16构建眼睑肿瘤良恶性识别模型，定义损失函数，选择优化器，再通过训练数据集对眼睑肿瘤良恶性识别模型进行训练；
[0024]SB3、训练完成后，通过测试数据集对眼睑肿瘤良恶性识别模型进行验证及调整，使得眼睑肿瘤良恶性识别模型对照片中眼睑肿瘤类型判断准确率大于90％。
[0025]眼睑肿瘤良恶性识别模型能够根据眼睑肿瘤照片对肿瘤类型进行判断，大大节约了患者去医院问诊的时间，且具有较高的可信度，缓解了医疗资源的紧缺情况。
[0026]优选地，生长速度判断子模块的工作原理为：将两张照片进行大小调整，使得两张照片中眼睑大小相同，再调用眼睑肿瘤定位模块分别对初次导入照片和再次导入照片中眼睑肿瘤位置进行裁剪，将两张裁剪后的眼睑肿瘤照片大小进行比对，得出肿瘤的生长速度，由于大多数眼睑肿瘤为良性，且眼睑肿瘤的判断具有一定难度，在智能识别的基础上，眼睑肿瘤的生长速度与破溃可以作为辅助信息，作为眼睑肿瘤良恶性的另一重判断依据，使得智能识别系统得出结果可靠性更高。
[0027]优选地，破溃判断子模块基于通过分类深度学习训练的眼睑肿瘤破溃识别模型，破溃识别模型能够直接判断肿瘤的变化情况，作为眼睑肿瘤良恶性的另一重判断依据，使得智能识别系统得出结果可靠性更高。
[0028]优选地，眼睑肿瘤破溃识别模型的训练训练过程为：
[0029]SC1、收集包含有眼睑肿瘤破溃、眼睑肿瘤未破溃的的眼睑照片，将眼睑照片分为破溃和未破溃，对照片进行预处理，通过水平和垂直翻转、位移进行数据本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于照片的眼睑恶性肿瘤智能识别系统，其特征在于，包括：用于将普通数码相机或智能手机拍摄照片导入系统的照片导入模块，所述照片导入模块包括：用于初次导入眼睑照片的初次导入子模块，用于再次导入眼睑照片的再次导入子模块，用于将所述照片导入模块导入照片中肿瘤的位置进行定位后对照片进行裁剪并输出裁剪后眼睑肿瘤照片的眼睑肿瘤定位模块，所述眼睑肿瘤定位模块基于通过定位深度学习训练的眼睑肿瘤定位模型，用于将所述眼睑肿瘤定位模块导出的裁剪后的肿瘤图片进行识别，得出肿瘤类型的眼睑肿瘤良恶性识别模块，所述眼睑肿瘤良恶性识别模块基于通过分类深度学习训练的眼睑肿瘤良恶性识别模型，用于将所述照片导入模块再次导入照片与初次导入照片进行比对的眼睑肿瘤生长情况判断模块，所述眼睑肿瘤生长情况判断模块包括：用于通过照片判断肿瘤生长速度的生长速度判断子模块，用于通过照片判断肿瘤破溃情况的破溃判断子模块，根据所述生长速度判断子模块和所述破溃判断子模块判断结果得出肿瘤良恶性的肿瘤生长情况输出子模块，用于将所述眼睑肿瘤良恶性识别模块判定结果进行输出的结果输出模块，所述结果输出模块包括：在所述眼睑肿瘤良恶性识别模块或所述眼睑肿瘤生长情况判断模块判定结果为恶性时，提醒使用者尽快诊疗的恶性通知子模块，在所述眼睑肿瘤良恶性识别模块判定结果为良性时，提醒使用者择日再次上传眼睑照片进行进一步诊断的再次识别通知子模块，在使用者再次将眼睑照片上传至眼睑恶性肿瘤智能识别系统，所述眼睑肿瘤生长情况判断模块判定结果为良性时，告知使用者眼睑肿瘤为良性的良性通知子模块。2.如权利要求1所述的一种基于照片的眼睑恶性肿瘤智能识别系统，其特征在于，所述眼睑恶性肿瘤智能识别系统还包括：用于对使用者信息进行处理的使用者信息管理模块，所述使用者信息管理模块包括：用于对使用者个人信息进行处理的个人信息管理子模块，用于对使用者历史眼睑照片进行管理的照片管理子模块。3.如权利要求2所述的一种基于照片的眼睑恶性肿瘤智能识别系统，其特征在于，所述眼睑恶性肿瘤智能识别系统还包括：用于存储使用者信息和使用者上传眼睑照片的数据库。4.如权利要求1所述的一种基于照片的眼睑恶性肿瘤智能识别系统，其特征在于，所述眼睑肿瘤定位模型的训练过程为：SA1、收集包含有恶性眼睑肿瘤、良性眼睑肿瘤、无眼睑肿瘤的眼睑照片生成图像数据集，并将所述图像数据集分成训练数据集和测试数据集；SA2、对图像数据集眼睑照片中...

【专利技术属性】
技术研发人员：李中文，吴国海，蒋杰伟，强薇，
申请(专利权)人：宁波市眼科医院，
类型：发明
国别省市：