[发明专利]一种基于深度学习的手足口病检测系统

说明书

技术领域：

本发明涉及一种基于深度学习的手足口病检测系统。

背景技术：

随着经济的发展，人们对自身健康越来越关注，对医疗服务和健康服务的需求不断增长，而我国医疗卫生服务大部分还停留在传统意义的治疗服务体系当中。近年来，深度学习已经成为新的技术前沿，广泛应用于图像分析、视频解析、自动驾驶及无人机等领域，当前医疗供需的巨大矛盾促使人们将深度学习技术应用于医疗领域，由此诞生了“人工智能+医疗”技术，它指的是基于深度学习的人工智能模型，通过初始化形成模型参数后，对经过标注的数据进行训练，出现误差后调整模型参数，再辅助以医学知识，通过大量的训练之后形成精准的医学诊断模型，实现对疾病的诊断，带来医疗效率和诊断准确率的提高。

如今的人工智能(AI)已经可以为医学解决具体的医学问题，并且已经取得了巨大的进展，通过深度学习技术实现，主要应用于医疗机器人、智能药物研发、智能诊疗、智能影响识别、智能健康管理等五大领域，甚至可以解决很多医学上目前无法解决的问题。列举目前典型的应用案例，比如俄罗斯ExoAtlet公司的智能外骨骼可以帮助瘫痪患者进行日常生活行动，斯坦福大学已经可以成功分辨皮肤癌，中国Airdoc识别糖尿病性视网膜病变能力已经和三甲眼科医生相当，美国的Arterys公司旗下的产品Arterys Cardio DL获得FDA批准，百度推出百度医疗大脑，其诊断和北大医院医生的诊断80％相同，目前人工智能应用在医疗领域已经是个趋势。

由于医生是一个偏经验性的行业，而人工智能可以在海量的数据中快速的学习样本特征，将人工智能应用于医疗诊断可以将医生从重复的繁重劳动中解放出来。目前，将深度学习方法应用于移动医疗，实现患者的在线自诊，尤其是对于手足口病的自诊平台实现领域仍然是个空白。现有技术对此并没有解决之策。

发明内容：

本发明的目的就是针对现有技术存在的上述缺点，提供了一种基于深度学习的手足口病检测系统，将深度学习技术应用于手足口病自动诊断，将手足口病检测的核心问题转化为目标检测问题，并通过自主优化提升检测结果的准确性，解决了现有技术中存在的问题。

本发明为解决上述技术问题所采用的技术方案是：

一种基于深度学习的手足口病检测系统，包括神经网络模型训练模块和手足口病检测模块；

所述神经网络模型训练模块基于手足口病病灶样本集，构造卷积神经网络模型，通过对手足口病病灶样本集内的图像进行分析，得到手足口病的神经网络诊断模型；

所述手足口病检测模块基于输入的图像，利用神经网络诊断模型进行判断，得到手足口病诊断结果。

优选的，还包括校正模块，所述校正模块用于医务人员分析修正手足口病诊断结果，并将修正数据反馈至神经网络模型训练模块，神经网络模型训练模块基于修正数据进行神经网络诊断模型的优化。

优选的，所述神经网络模型训练模块包括样本获取模块、图像处理模块、训练模块；

所述样本获取模块用于获取手足口病病灶样本集内的训练图像；

所述图像处理模块用于对训练图像进行规范化处理得到规范化图像；

所述训练模块用于对得到的规范化图像进行分析，并结合手足口病病灶样本集内的诊断数据进行持续分析训练，得到神经网络诊断模型。

优选的，所述手足口病检测模块包括诊断对象获取模块、图像处理模块、诊断模块；

所述诊断对象获取模块用于获取待诊断的诊断图像；

所述图像处理模块用于对诊断图像进行规范化处理得到规范化图像；

所述诊断模块用于对规范化图像进行分析，并根据神经网络模型分析得出手足口病诊断结果。

优选的，所述校正模块将手足口病诊断结果、医务人员分析修正后的手足口病诊断结果、诊断图像作为修正数据反馈给神经网络模型训练模块。

优选的，所述规范化处理包括：对手足口病病灶点进行标注，对所述已获取训练图像进行批量处理，包括统一格式、均衡化与去噪，再进行提取候选框和预训练；所述手足口病病灶的标注为对所述训练图像得到的规范化图像进行病灶特征标注，形成病灶信息标签，所述病灶包括手足口病早期、中期和晚期的病变部位，所述标注还包括标签信息及病灶在该规范化图像中的左上角点和右下角点的坐标，所述标签信息是指目标是否属于病灶以及病灶发展阶段的类别信息；所述标注通过K均值算法对自制数据集中手工选取的初始候选框进行聚类分析，找到候选框的统计规律，以聚类个数k为anchor个数，以k个聚类中心box的宽高参数为准修正anchor，得到与规范化图像中病灶形状最相近的初始候选框参数。