本发明专利技术提供了一种基于皮肤镜的医学影像数据处理模型的构建方法，构建方法包括：采用皮肤镜对多个试验皮肤样本进行图像采集，获取针对多个试验皮肤样本的多个第一图像数据；针对多个第一图像数据进行预处理和数据增强，获得多个第二图像数据；通过人工智能深度卷积神经网络，针对多个第二图像数据进行训练学习和特征提取，构建针对多个试验皮肤样本的特征库；采用分类器，将特征库中的数据进行类别划分，获得分类结果；根据多个试验皮肤样本对应的病理学数据，对分类结果进行排序误差计算，以对特征库进行第一修正，并由此构建医学影像数据处理模型。本发明专利技术实施例解决了人工判断不准确又慢的问题。准确又慢的问题。准确又慢的问题。
【技术实现步骤摘要】
基于皮肤镜的模型构建方法、数据处理方法及装置和设备
[0001]本专利技术涉及医疗领域，具体而言，涉及基于皮肤镜的模型构建方法、数据处理方法及装置和设备。
技术介绍
[0002]皮肤恶性肿瘤是常见的恶性肿瘤，发病率在全球范围内逐年递增，对人类健康造成了极大威胁。皮肤恶性肿瘤的早期识别、及时诊治和防止复发，对改善预后，提高患者生存率和生存质量都非常重要。皮肤镜作为一种新型的非侵袭性诊断技术，相较于传统的皮肤组织病理活检术，具有操作简便、适应症广、结果报告及时等优点，但由于现有的方法都是人工实现，依靠的都是人的经验，具有不准确和速度慢的缺点，同时不够系统化，由此，提供基于皮肤镜的模型构建方法、数据处理方法及装置和设备。
技术实现思路
[0003]因此，本专利技术实施例提供基于皮肤镜的模型构建方法、数据处理方法及装置和设备，解决了人工判断不准确又慢的问题。
[0004]为解决上述问题，本专利技术提供一种基于皮肤镜的医学影像数据处理模型的构建方法，构建方法包括：采用皮肤镜对多个试验皮肤样本进行图像采集，获取针对多个试验皮肤样本的多个第一图像数据；针对多个第一图像数据进行预处理和数据增强，获得多个第二图像数据；通过人工智能深度卷积神经网络，针对多个第二图像数据进行训练学习和特征提取，构建针对多个试验皮肤样本的特征库；采用分类器，将特征库中的数据进行类别划分，获得分类结果；根据多个试验皮肤样本对应的病理学数据，对分类结果进行排序误差计算，以对特征库进行第一修正，并由此构建医学影像数据处理模型。
[0005]与现有技术相比，采用该技术方案所达到的技术效果：通过建立基于皮肤镜的医学影像数据处理模型来代替人工进行判断识别，使判断过程更加的快捷，同时设置皮肤镜对多个试验皮肤样本进行图像采集来获得第一图像数据，在对第一图像数据进行预处理和数据增强，使得到的第二图像数据更加的准确和清晰，同时增强第二图像数据的干扰能力，再通过人工智能深度卷积神经网络，针对多个第二图像数据进行训练学习和特征提取，构建针对多个试验皮肤样本的特征库，通过得到的特征库，提高了模型的准确性和广泛性，同时通过分类器将特征库中的数据进行类别划分，使特征的识别更加快捷和清楚，便于模型的使用，同时根据多个试验皮肤样本对应的病理学数据，对分类结果进行排序误差计算，以对特征库进行第一修正，使特征库更加的精确和客观，同时提高了模型的操作性和适应性，使得到的模型更具有实用性。
[0006]在本专利技术的一个实例中，针对多个第一图像数据依次进行清洗预处理、归一化预处理、背景毛发去除预处理；针对经过预处理的多个第一图像数据依次进行随机旋转处理、随机裁剪处理、颜色抖动处理、加入高斯噪声处理，获得多个第二图像数据。
[0007]与现有技术相比，采用该技术方案所达到的技术效果：通过对多个第一图像数据
依次进行清洗预处理、归一化预处理、背景毛发去除预处理，使得到的图像数据更加的清晰，通过清洗预处理，使图像的杂质得到剔除，同时对图像数据进行归一化预处理，使图像数据被限定在一定范围内，提高图像数据的准确性，再通过背景毛发去除预处理使图像数据排除更多的干扰因素，使图像更加的清晰，通过依次进行随机旋转处理、随机裁剪处理、颜色抖动处理、加入高斯噪声处理，使得到的第二图像数据具有随机性，由于在实际使用时，采集到的图像数据存在很多种情况，而通过随机处理的图像数据，使模型在建立过程中更具有广泛实用性，使模型能适应实际使用情况，提高模型的精确程度。
[0008]在本专利技术的一个实例中，通过人工智能深度卷积神经网络，针对多个第二图像数据进行训练学习和特征提取，构建针对多个试验皮肤样本的特征库，包括：通过人工智能深度卷积神经网络，结合颜色特征、纹理特征、几何特征、局部二值模式特征，针对多个第二图像数据进行训练学习和特征提取，构建针对多个试验皮肤样本的特征库。
[0009]与现有技术相比，采用该技术方案所达到的技术效果：通过设置人工智能深度卷积神经网络，结合颜色特征、纹理特征、几何特征、局部二值模式特征，针对多个第二图像数据进行训练学习和特征提取，使不同的第二图像数据中的关键特征被提取，并存储到特征库中，使模型在识别后续实际使用时采集到的图像数据更加快捷，更加精准，同时通过多种特征提取，提高了特征库的多样性，使模型能应对不同的患者人群，提高了模型的实用性，也提高了识别效率。
[0010]在本专利技术的一个实例中，采用分类器，将特征库中的数据进行类别划分，获得分类结果，包括：采用支持向量机分类器、XBOOST分类器、SOFTMAX分类器中的至少一者，将特征库中的数据进行类别划分，获得分类结果。
[0011]与现有技术相比，采用该技术方案所达到的技术效果：通过设置分类器来对特征库中数据进行分类划分，通过采用支持向量机分类器、XBOOST分类器、SOFTMAX分类器中的至少一者来使分类结果更加准确，同时使用其中至少一个分类器使分类时更加快捷，如采用支持向量机分类器，使特征库的特征的分类结果更加精确，而且支持向量机分类器发展完善，使用快捷方便，大大提高了特征库分类的效率和准确度。
[0012]在本专利技术的一个实例中，根据多个试验皮肤样本对应的病理学数据，使用排序损失函数对多个试验皮肤样本中的每个试验皮肤样本，按照病理学分级分期，以对分类结果进行排序误差计算，并使用对比损失函数对相同分期分级进行限制，以对特征库进行第一修正，并由此构建医学影像数据处理模型。
[0013]与现有技术相比，采用该技术方案所达到的技术效果：根据多个试验皮肤样本对应的病理学数据，使用排序损失函数对多个试验皮肤样本中的每个试验皮肤样本进行误差计算，按照病理学分级分期，使所得到的分类结果更加精准，同时能反应出更多的内容，使分类结果更具有实用性，同时对分类结果进行排序误差计算，使分类结果的误差值减小，更加准确，并使用对比损失函数对相同分期分级进行限制，以对特征库进行第一修正并建立模型，通过使用损失函数的限制，使特征库更加完整，误差更小，反应的数据更加准确全面，同时更具有实用性和兼容性，使模型能完全代替人工并更加的快捷方便，同时更加的精准。
[0014]在本专利技术的一个实例中，构建方法还包括：采用皮肤镜对多个第一类患者皮肤样本进行图像采集，获取针对多个第一类患者皮肤样本的多个第三图像数据；采用多个第三图像数据，对医学影像数据处理模型进行在线训练，以更新医学影像数据处理模型。
[0015]与现有技术相比，采用该技术方案所达到的技术效果：通过皮肤镜多个第一类患者皮肤样本进行图像采集，获得多个第三图像数据，再使用多个第三图像数据对模型进行训练，即查看模型在使用时的出错率和准确度，通过对模型的实际使用训练，使在训练过程中产生的错能被修正，确保模型在上线使用时能有更高的精准度和实用性，同时使模型更具有说服性，通过大量的训练，使模型的出错率降到最低，使模型能被患者和医护人员信服。
[0016]在本专利技术的一个实例中，基于皮肤镜的医学影像数据处理装置，包括：采集模块，采用皮肤镜对多个试验皮肤样本进行图像采集，本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于皮肤镜的医学影像数据处理模型的构建方法，其特征在于，所述构建方法包括：采用皮肤镜对多个试验皮肤样本进行图像采集，获取针对所述多个试验皮肤样本的多个第一图像数据；针对所述多个第一图像数据进行预处理和数据增强，获得多个第二图像数据；通过人工智能深度卷积神经网络，针对所述多个第二图像数据进行训练学习和特征提取，构建针对所述多个试验皮肤样本的特征库；采用分类器，将所述特征库中的数据进行类别划分，获得分类结果；根据所述多个试验皮肤样本对应的病理学数据，对所述分类结果进行排序误差计算，以对所述特征库进行第一修正，并由此构建所述医学影像数据处理模型。2.根据权利要求1所述的构建方法，其特征在于，所述针对所述多个第一图像数据进行预处理和数据增强，获得多个第二图像数据，包括：针对所述多个第一图像数据依次进行清洗预处理、归一化预处理、背景毛发去除预处理；针对经过所述预处理的所述多个第一图像数据依次进行随机旋转处理、随机裁剪处理、颜色抖动处理、加入高斯噪声处理，获得多个第二图像数据。3.根据权利要求1所述的构建方法，其特征在于，所述通过人工智能深度卷积神经网络，针对所述多个第二图像数据进行训练学习和特征提取，构建针对所述多个试验皮肤样本的特征库，包括：所述通过人工智能深度卷积神经网络，结合颜色特征、纹理特征、几何特征、局部二值模式特征，针对所述多个第二图像数据进行训练学习和特征提取，构建针对所述多个试验皮肤样本的特征库。4.根据权利要求1所述的构建方法，其特征在于，所述采用分类器，将所述特征库中的数据进行类别划分，获得分类结果，包括：采用支持向量机分类器、XBOOST分类器、SOFTMAX分类器中的至少一者，将所述特征库中的数据进行类别划分，获得分类结果。5.根据权利要求1所述的构建方法，其特征在于，所述根据所述多个试验皮肤样本对应的病理学数据，对所述分类结果进行排序误差计算，以对所述特征库进行第一修正，并由此构建所述医学影像数据处理模型，包括：根据所述多个试验皮肤样本对应的病理学数据，使用排序损失函数对所述多个试验...
【专利技术属性】
技术研发人员：许素玲，忻超，周琼艳，李玲芝，杨枫，赵可喻，刘志方，江欣雨，王殿臣，汪梦梦，
申请(专利权)人：宁波大学医学院附属医院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。