CN108272437A - 用于皮肤病诊断的光谱检测系统和分类器模型构建方法 - Google Patents
用于皮肤病诊断的光谱检测系统和分类器模型构建方法 Download PDFInfo
- Publication number
- CN108272437A CN108272437A CN201711450455.3A CN201711450455A CN108272437A CN 108272437 A CN108272437 A CN 108272437A CN 201711450455 A CN201711450455 A CN 201711450455A CN 108272437 A CN108272437 A CN 108272437A
- Authority
- CN
- China
- Prior art keywords
- skin
- spectrum
- skin disease
- disease diagnosis
- picture
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000001228 spectrum Methods 0.000 title claims abstract description 46
- 208000017520 skin disease Diseases 0.000 title claims abstract description 31
- 238000003745 diagnosis Methods 0.000 title claims abstract description 24
- 238000001514 detection method Methods 0.000 title claims abstract description 16
- 238000010276 construction Methods 0.000 title claims abstract description 6
- 230000003595 spectral effect Effects 0.000 claims abstract description 30
- 238000003384 imaging method Methods 0.000 claims abstract description 14
- 238000012545 processing Methods 0.000 claims abstract description 10
- 230000003287 optical effect Effects 0.000 claims description 21
- 238000012360 testing method Methods 0.000 claims description 11
- 238000012549 training Methods 0.000 claims description 11
- 238000013528 artificial neural network Methods 0.000 claims description 9
- 238000000034 method Methods 0.000 claims description 8
- 230000037311 normal skin Effects 0.000 claims description 6
- 230000004927 fusion Effects 0.000 claims description 5
- 241001269238 Data Species 0.000 claims description 4
- 239000000284 extract Substances 0.000 claims description 4
- 238000013480 data collection Methods 0.000 claims description 3
- 238000005286 illumination Methods 0.000 claims description 3
- 239000006185 dispersion Substances 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 abstract description 6
- 230000036285 pathological change Effects 0.000 abstract 5
- 231100000915 pathological change Toxicity 0.000 abstract 5
- 230000003902 lesion Effects 0.000 description 6
- 201000001441 melanoma Diseases 0.000 description 4
- 230000001575 pathological effect Effects 0.000 description 4
- 208000030381 cutaneous melanoma Diseases 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000012216 screening Methods 0.000 description 3
- 238000013399 early diagnosis Methods 0.000 description 2
- 201000003708 skin melanoma Diseases 0.000 description 2
- 238000000527 sonication Methods 0.000 description 2
- 208000000471 Dysplastic Nevus Syndrome Diseases 0.000 description 1
- 206010062805 Dysplastic naevus Diseases 0.000 description 1
- 238000000862 absorption spectrum Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000003796 beauty Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000003759 clinical diagnosis Methods 0.000 description 1
- 208000035250 cutaneous malignant susceptibility to 1 melanoma Diseases 0.000 description 1
- 238000012631 diagnostic technique Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000003211 malignant effect Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000009740 moulding (composite fabrication) Methods 0.000 description 1
- 208000004649 neutrophil actin dysfunction Diseases 0.000 description 1
- 239000000049 pigment Substances 0.000 description 1
- 230000037384 skin absorption Effects 0.000 description 1
- 231100000274 skin absorption Toxicity 0.000 description 1
- 230000000472 traumatic effect Effects 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
- A61B5/0075—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence by spectroscopy, i.e. measuring spectra, e.g. Raman spectroscopy, infrared absorption spectroscopy
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/44—Detecting, measuring or recording for evaluating the integumentary system, e.g. skin, hair or nails
- A61B5/441—Skin evaluation, e.g. for skin disorder diagnosis
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
- A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Biophysics (AREA)
- General Health & Medical Sciences (AREA)
- Veterinary Medicine (AREA)
- Public Health (AREA)
- Animal Behavior & Ethology (AREA)
- Surgery (AREA)
- Molecular Biology (AREA)
- Medical Informatics (AREA)
- Artificial Intelligence (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Evolutionary Computation (AREA)
- Signal Processing (AREA)
- Psychiatry (AREA)
- Physiology (AREA)
- Mathematical Physics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Fuzzy Systems (AREA)
- Dermatology (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
为了解决现有皮肤疾病诊断技术存在的问题，本发明提供了一种非创伤性、可在线快速诊断的用于皮肤病诊断的光谱检测系统和分类器模型构建方法，可获取被诊断皮肤组织的一维光谱信息和两维空间图像信息，利用获取的光谱信息实现对病变组织的快速识别与分类，利用图像信息进行病变组织的准确定位，为皮肤疾病尤其是皮肤黑色素瘤的诊断提供了一种全新的技术途径。本发明考虑到正常组织与病变组织在光谱信息上具有较强的差异性，通过采集皮肤病变区域图像，基于组织光谱特征进行病变识别，对成像数据进行数据处理即可得出识别结果，能够快速定位病变组织与病变位置，同时避免了人为识别造成的偏差。
Description
技术领域
本发明属于医疗器械技术领域，涉及一种用于皮肤病诊断的光谱检测系统和分类器模型构建方法。
背景技术
目前临床中对皮肤疾病以及黑色素瘤的早期筛查中，皮肤疾病的诊断主要依赖于皮肤镜观察或组织病理学的切片。其中，皮肤镜观察是一种被广泛使用的技术，临床医生通过皮肤镜这种无创性显微技术来观察皮肤表面的细微结构、颜色变化以及色素网结构而作出诊断，不同医师得到的诊断结果可能会不同，可靠性相对较低。基于组织病理学切片的诊断技术，其诊断结果较肉眼或皮肤镜观察更可靠，但是该技术是一种有创伤性的筛查方法，难以实现在线快速诊断，而且盲目实施会增加病人的痛苦，并且会给病人的外在美带来一定的负面影响。
发明内容
基于上述背景，为了解决现有皮肤疾病诊断技术存在的问题，本发明提供了一种非创伤性、可在线快速诊断的用于皮肤病诊断的光谱检测系统和分类器模型构建方法，可获取被诊断皮肤组织的一维光谱信息和两维空间图像信息，利用获取的光谱信息实现对病变组织的快速识别与分类，利用图像信息进行病变组织的准确定位，为皮肤疾病尤其是皮肤黑色素瘤的诊断提供了一种全新的技术途径。
本发明的技术方案是：
用于皮肤病诊断的光谱检测系统，包括计算机主机和控制器；其特殊之处在于：还包括直线运动装置、光谱成像仪、照明系统和支架；
控制器与直线运动装置、光谱成像仪以及计算机主机均相连；
直线运动装置安装在支架上部，支架下部有足够放置病人待诊断部位的空间；
光谱成像仪固定安装在直线运动装置上；
照明系统用于对病人待诊断部位进行均匀照明；
计算机主机上安装有用于对皮肤疾病诊断的分类器模型，所述分类器模型是按照下述步骤构建的：
步骤1、采集正常皮肤组织与病变皮肤组织的光谱图像；
步骤2、对步骤1采集的光谱图像进行预处理，以消除图像噪声及基线漂移的影响；
步骤3、对预处理后的光谱图像进行标准化处理，包括裁剪图像大小、去除图像噪声处理；
步骤4、将标准化处理后的光谱图像作为原始皮肤数据，并划分为训练集和测试集；
步骤5：构建分类模型；
5.1对标准化处理后的所有样本数据进行二阶导数处理，获取所述原始皮肤数据的一维光谱特征；
5.2将训练集输入三维卷积神经网络，提取皮肤组织的光谱-图像特征；
5.3将三维卷积神经网络学习到的特征与步骤5.1得到的一维光谱特征进行特征融合，完成整个分类模型的构建；
上述步骤5.1和5.2可并行进行；
步骤6、将测试集中的样本输入步骤5构建好的分类器模型，得到皮肤疾病的分类结果并保存。
进一步地，上述光谱检测系统还包括位于直线运动装置下方并与其相对设置的载物台。
进一步地，上述光谱检测系统还包括与计算机主机相连的显示器。
进一步地，所述光谱成像仪包括依次设置的前置成像光学系统、准直成像系统、光谱分光模块、成像光学系统、面阵探测器、数据采集与处理系统。
进一步地，所述光谱分光模块采用棱镜色散型光谱仪、光栅色散型光谱仪或者棱镜光栅型光谱仪。
进一步地，所述照明系统通过连接件固定在所述光谱成像仪上。
用于皮肤病诊断的分类器模型构建方法，包括以下步骤：
步骤1、采集正常皮肤组织与病变皮肤组织的光谱图像；
步骤2、对步骤1采集的光谱图像进行预处理，以消除图像噪声及基线漂移的影响；
步骤3、对预处理后的光谱图像进行标准化处理，包括裁剪图像大小、去除图像噪声处理；
步骤4、将标准化处理后的光谱图像作为原始皮肤数据，并划分为训练集和测试集；
步骤5：构建分类模型；
5.1对标准化处理后的所有样本数据进行二阶导数处理，获取所述原始皮肤数据的一维光谱特征；
5.2将训练集输入三维卷积神经网络，提取皮肤组织的光谱-图像特征；
5.3将三维卷积神经网络学习到的特征与步骤5.1得到的一维光谱特征进行特征融合，完成整个分类模型的构建；
上述步骤5.1和5.2可并行进行；
步骤6、将测试集中的样本输入步骤5构建好的分类器模型，得到皮肤疾病的分类结果并保存。
本发明具有如下有益效果：
考虑到正常组织与病变组织在光谱信息上具有较强的差异性，因而本发明通过采集皮肤病变区域图像(非接触成像手段)，基于组织光谱特征进行病变识别，对成像数据进行数据处理即可得出识别结果，能够快速定位病变组织与病变位置，同时避免了人为识别造成的偏差。
由于本发明采用非接触成像手段，因而具有无创的技术优势；基于本发明构建的分类器模型能够实现快速在线诊断，可应用于皮肤疾病以及皮肤瘤的早期诊断与筛查。
将本发明应用医生临床诊断，不仅能实现常见皮肤疾病的诊断，还能实现对皮肤恶性黑色素瘤的早期诊断，并且可实现对非恶性发育不良痣与皮肤恶性黑色素瘤的快速区分。
附图说明
图1是本发明实施例光谱检测系统的结构示意图；
图2是本发明实施例中光谱成像仪的原理框图；
图3是本发明分类器模型的构建和工作流程图；
附图标记说明：1-显示器，2-计算机主机，3-控制器，4-直线运动装置，5-光谱成像仪，6-照明系统，7-支架，8-载物台。
具体实施方式
以下结合附图对本发明作进一步说明。
参见图1，本实施例用于皮肤病诊断的光谱检测系统，包括计算机主机2、显示器1、控制器3、直线运动装置4、光谱成像仪5、照明系统6、支架7、载物台8。
控制器3与直线运动装置4、光谱成像仪5以及计算机主机2均相连；计算机主机2与显示器1相连；直线运动装置4水平安装在支架7上部；光谱成像仪5固定安装在直线运动装置4上，与载物台8相对设置；载物台8用于放置病人待诊断部位；照明系统6通过连接件与光谱成像仪5连接，用于对病人待诊断部位进行均匀照明；显示器1用于显示采集的皮肤病变图像。
光谱成像仪5由依次设置的前置成像光学系统、准直成像系统、光谱分光模块、成像光学系统、面阵探测器、数据采集与处理系统组成，如图2所示；通过调节前置成像光学系统，并采用自动调焦算法可使光谱成像仪成像最清晰；光谱分光模块可以采用棱镜色散型光谱仪、光栅(光栅可以是透射光栅，也可以是反射式光栅，其中反射式光栅可用凸面光栅或凹面光栅)色散型光谱仪或者棱镜光栅型光谱仪。
控制器3用于驱动直线运动装置4做直线运动，从而带动光谱成像仪5做直线运动，实现对病人待诊断部位的扫描成像；控制器3将采集的成像数据存储于计算机主机2，再通过安装在计算机主机2上的分类器模型实现对病变组织的定位(即对采集图像中病变位置的识别)与分类，从而实现对皮肤疾病的快速准确诊断。分类器模型的构建流程步骤如图3所示，具体如下：
步骤1、采集正常皮肤组织与病变皮肤组织的光谱图像；
步骤2、对步骤1采集的光谱图像进行预处理，主要目的是消除图像噪声及基线漂移的影响；
步骤3、对预处理后的光谱图像进行标准化处理，包括裁剪图像大小、去除图像噪声等；
步骤4、将标准化处理后光谱图像作为原始皮肤数据，并按照一定比例划分为训练集与测试集；
步骤5、构建分类模型；
5.1对所有标准化处理后的样本数据(包括训练集和测试集的样本)进行二阶导数处理，获取原始皮肤数据的一维光谱特征；
5.2选择三维卷积神经网络(3D-CNN)的卷积层数、卷积核尺寸、全连层个数，设计3D-CNN，将训练集输入3D-CNN，提取皮肤组织的光谱-图像特征；
5.3将3D-CNN学习到的特征与步骤5.1得到的一维光谱特征进行特征融合，从而完成整个分类模型的构建；所构建的分类模型充分利用了皮肤组织光谱数据与图像数据的联合特征；
上述步骤5.1和5.2可并行进行。
步骤6：将测试集中的样本输入已构建好的分类器模型，得到皮肤疾病的分类结果，该分类结果具体包括病变皮肤组织和正常皮肤组织两类。
这里需要说明的是，本发明前期收集样本时需从医院获取大量样本数据，待分类器构建完成后，使用时直接采集病人病变部位皮肤图像数据输入分类器模型，与分类器模型中存储的分类结果对比，即可快速识别和定位病变组织。
Claims (7)
1.用于皮肤病诊断的光谱检测系统，包括计算机主机和控制器；其特征在于：还包括直线运动装置、光谱成像仪、照明系统和支架；
控制器与直线运动装置、光谱成像仪以及计算机主机均相连；
直线运动装置安装在支架上部，支架下部有足够放置病人待诊断部位的空间；
光谱成像仪固定安装在直线运动装置上；
照明系统用于对病人待诊断部位进行均匀照明；
计算机主机上安装有用于对皮肤疾病诊断的分类器模型，所述分类器模型是按照下述步骤构建的：
步骤1、采集正常皮肤组织与病变皮肤组织的光谱图像；
步骤2、对步骤1采集的光谱图像进行预处理，以消除图像噪声及基线漂移的影响；
步骤3、对预处理后的光谱图像进行标准化处理，包括裁剪图像大小、去除图像噪声处理；
步骤4、将标准化处理后的光谱图像作为原始皮肤数据，并划分为训练集和测试集；
步骤5：构建分类模型；
5.1对标准化处理后的所有样本数据进行二阶导数处理，获取所述原始皮肤数据的一维光谱特征；
5.2将训练集输入三维卷积神经网络，提取皮肤组织的光谱-图像特征；
5.3将三维卷积神经网络学习到的特征与步骤5.1得到的一维光谱特征进行特征融合，完成整个分类模型的构建；
上述步骤5.1和5.2可并行进行；
步骤6、将测试集中的样本输入步骤5构建好的分类器模型，得到皮肤疾病的分类结果并保存。
2.根据权利要求1所述的用于皮肤病诊断的光谱检测系统，其特征在于：还包括位于直线运动装置下方并与其相对设置的载物台。
3.根据权利要求1所述的用于皮肤病诊断的光谱检测系统，其特征在于：还包括与计算机主机相连的显示器。
4.根据权利要求1-3任一所述的用于皮肤病诊断的光谱检测系统，其特征在于：所述光谱成像仪包括依次设置的前置成像光学系统、准直成像系统、光谱分光模块、成像光学系统、面阵探测器、数据采集与处理系统。
5.根据权利要求4所述的用于皮肤病诊断的光谱检测系统，其特征在于：所述光谱分光模块采用棱镜色散型光谱仪、光栅色散型光谱仪或者棱镜光栅型光谱仪。
6.根据权利要求1-3任一所述的用于皮肤病诊断的光谱检测系统，其特征在于：所述照明系统通过连接件固定在所述光谱成像仪上。
7.用于皮肤病诊断的分类器模型构建方法，其特征在于，包括以下步骤：
步骤1、采集正常皮肤组织与病变皮肤组织的光谱图像；
步骤2、对步骤1采集的光谱图像进行预处理，以消除图像噪声及基线漂移的影响；
步骤3、对预处理后的光谱图像进行标准化处理，包括裁剪图像大小、去除图像噪声处理；
步骤4、将标准化处理后的光谱图像作为原始皮肤数据，并划分为训练集和测试集；
步骤5：构建分类模型；
5.1对标准化处理后的所有样本数据进行二阶导数处理，获取所述原始皮肤数据的一维光谱特征；
5.2将训练集输入三维卷积神经网络，提取皮肤组织的光谱-图像特征；
5.3将三维卷积神经网络学习到的特征与步骤5.1得到的一维光谱特征进行特征融合，完成整个分类模型的构建；
上述步骤5.1和5.2可并行进行；
步骤6、将测试集中的样本输入步骤5构建好的分类器模型，得到皮肤疾病的分类结果并保存。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711450455.3A CN108272437A (zh) | 2017-12-27 | 2017-12-27 | 用于皮肤病诊断的光谱检测系统和分类器模型构建方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711450455.3A CN108272437A (zh) | 2017-12-27 | 2017-12-27 | 用于皮肤病诊断的光谱检测系统和分类器模型构建方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108272437A true CN108272437A (zh) | 2018-07-13 |
Family
ID=62802386
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711450455.3A Pending CN108272437A (zh) | 2017-12-27 | 2017-12-27 | 用于皮肤病诊断的光谱检测系统和分类器模型构建方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108272437A (zh) |
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109171662A (zh) * | 2018-10-10 | 2019-01-11 | 河南农业大学 | 皮肤含水量的检测仪及皮肤含水量的检测方法 |
| CN109363640A (zh) * | 2018-12-04 | 2019-02-22 | 北京贝叶科技有限公司 | 基于皮肤病理图像的识别方法及系统 |
| CN109993110A (zh) * | 2019-03-29 | 2019-07-09 | 江西理工大学 | 一种基于光谱信息进行工厂监控的方法 |
| CN110021406A (zh) * | 2019-03-29 | 2019-07-16 | 江西理工大学 | 一种基于多光谱相机的深度学习方法 |
| CN110399902A (zh) * | 2019-06-27 | 2019-11-01 | 华南师范大学 | 一种黑色素瘤纹理特征提取的方法 |
| CN111358573A (zh) * | 2020-02-26 | 2020-07-03 | 西安交通大学医学院第二附属医院 | 高光谱成像的术区快速检测、标记的设备及检测方法 |
| CN112116027A (zh) * | 2020-09-29 | 2020-12-22 | 宁波工程学院 | 一种基于oct成像图像的光学强度及梯度的皮肤癌分类方法 |
| CN112823396A (zh) * | 2018-10-02 | 2021-05-18 | 翰林大学产学合作团 | 基于实时获得的胃内窥镜图像诊断胃病变的内窥镜装置及方法 |
| CN112907571A (zh) * | 2021-03-24 | 2021-06-04 | 南京鼓楼医院 | 基于多光谱图像融合识别的目标判定方法 |
| CN114269231A (zh) * | 2019-06-18 | 2022-04-01 | 数字诊断公司 | 使用一组机器学习诊断模型来确定基于患者肤色的诊断 |
| CN114354514A (zh) * | 2021-12-24 | 2022-04-15 | 南昌大学 | 一种非接触式多模态材料感知与识别装置 |
| CN116842436A (zh) * | 2023-06-07 | 2023-10-03 | 中国医学科学院北京协和医院 | 一种多光谱组合的皮肤基底细胞癌识别方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20080044080A1 (en) * | 2006-04-17 | 2008-02-21 | Fujifilm Corporation | Image processing method, apparatus, and program |
| CN101313847A (zh) * | 2008-07-01 | 2008-12-03 | 北京师范大学 | 对人体皮肤病变组织进行无损光学常数成像的装置和方法 |
| CN101623191A (zh) * | 2009-08-14 | 2010-01-13 | 北京航空航天大学 | 一种胃部组织性质无创检测装置及方法 |
| CN101686819A (zh) * | 2007-01-05 | 2010-03-31 | 迈斯金公司 | 皮肤成像的系统、装置和方法 |
| CN101756696A (zh) * | 2009-12-31 | 2010-06-30 | 中国人民解放军空军总医院 | 多光子皮肤镜图像自动分析系统及其应用于恶性黑素瘤的诊断方法 |
| US20170079530A1 (en) * | 2014-10-29 | 2017-03-23 | Spectral Md, Inc. | Reflective mode multi-spectral time-resolved optical imaging methods and apparatuses for tissue classification |
-
2017
- 2017-12-27 CN CN201711450455.3A patent/CN108272437A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20080044080A1 (en) * | 2006-04-17 | 2008-02-21 | Fujifilm Corporation | Image processing method, apparatus, and program |
| CN101686819A (zh) * | 2007-01-05 | 2010-03-31 | 迈斯金公司 | 皮肤成像的系统、装置和方法 |
| CN101313847A (zh) * | 2008-07-01 | 2008-12-03 | 北京师范大学 | 对人体皮肤病变组织进行无损光学常数成像的装置和方法 |
| CN101623191A (zh) * | 2009-08-14 | 2010-01-13 | 北京航空航天大学 | 一种胃部组织性质无创检测装置及方法 |
| CN101756696A (zh) * | 2009-12-31 | 2010-06-30 | 中国人民解放军空军总医院 | 多光子皮肤镜图像自动分析系统及其应用于恶性黑素瘤的诊断方法 |
| US20170079530A1 (en) * | 2014-10-29 | 2017-03-23 | Spectral Md, Inc. | Reflective mode multi-spectral time-resolved optical imaging methods and apparatuses for tissue classification |
Cited By (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112823396A (zh) * | 2018-10-02 | 2021-05-18 | 翰林大学产学合作团 | 基于实时获得的胃内窥镜图像诊断胃病变的内窥镜装置及方法 |
| CN109171662A (zh) * | 2018-10-10 | 2019-01-11 | 河南农业大学 | 皮肤含水量的检测仪及皮肤含水量的检测方法 |
| CN109363640A (zh) * | 2018-12-04 | 2019-02-22 | 北京贝叶科技有限公司 | 基于皮肤病理图像的识别方法及系统 |
| CN109993110A (zh) * | 2019-03-29 | 2019-07-09 | 江西理工大学 | 一种基于光谱信息进行工厂监控的方法 |
| CN110021406A (zh) * | 2019-03-29 | 2019-07-16 | 江西理工大学 | 一种基于多光谱相机的深度学习方法 |
| CN114269231A (zh) * | 2019-06-18 | 2022-04-01 | 数字诊断公司 | 使用一组机器学习诊断模型来确定基于患者肤色的诊断 |
| CN110399902B (zh) * | 2019-06-27 | 2021-08-06 | 华南师范大学 | 一种黑色素瘤纹理特征提取的方法 |
| CN110399902A (zh) * | 2019-06-27 | 2019-11-01 | 华南师范大学 | 一种黑色素瘤纹理特征提取的方法 |
| CN111358573A (zh) * | 2020-02-26 | 2020-07-03 | 西安交通大学医学院第二附属医院 | 高光谱成像的术区快速检测、标记的设备及检测方法 |
| CN112116027A (zh) * | 2020-09-29 | 2020-12-22 | 宁波工程学院 | 一种基于oct成像图像的光学强度及梯度的皮肤癌分类方法 |
| CN112907571A (zh) * | 2021-03-24 | 2021-06-04 | 南京鼓楼医院 | 基于多光谱图像融合识别的目标判定方法 |
| CN114354514A (zh) * | 2021-12-24 | 2022-04-15 | 南昌大学 | 一种非接触式多模态材料感知与识别装置 |
| CN114354514B (zh) * | 2021-12-24 | 2024-02-09 | 南昌大学 | 一种非接触式多模态材料感知与识别装置 |
| CN116842436A (zh) * | 2023-06-07 | 2023-10-03 | 中国医学科学院北京协和医院 | 一种多光谱组合的皮肤基底细胞癌识别方法 |
| CN116842436B (zh) * | 2023-06-07 | 2024-01-16 | 中国医学科学院北京协和医院 | 一种多光谱组合的皮肤基底细胞癌识别方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108272437A (zh) | 用于皮肤病诊断的光谱检测系统和分类器模型构建方法 | |
| Clancy et al. | Surgical spectral imaging | |
| US10694954B2 (en) | Optical speculum | |
| US11419499B2 (en) | Optical coherence tomography for cancer screening and triage | |
| US20190388160A1 (en) | Methods and systems for intraoperatively confirming location of tissue structures | |
| US20020127735A1 (en) | Methods of monitoring effects of chemical agents on a sample | |
| EP3116376B1 (en) | Methods and systems for intraoperatively confirming location of tissue structures | |
| Wisotzky et al. | Intraoperative hyperspectral determination of human tissue properties | |
| KR20200116107A (ko) | 의료적 이미지화 절차의 자동화된 모니터링 | |
| WO2017074505A1 (en) | Reflective mode multi-spectral time-resolved optical imaging methods and apparatuses for tissue classification | |
| AU2014293317A1 (en) | Optical detection of skin disease | |
| KR20150087258A (ko) | 효율적인 변조 이미지 진단 | |
| CN112512402B (zh) | 裂隙灯显微镜以及眼科系统 | |
| WO2014108896A1 (en) | Device and method for body moles mapping and tracking | |
| CN207600940U (zh) | 用于生物病理切片辅助分析的显微成像光谱系统 | |
| CN207636480U (zh) | 一种可用于介入式肿瘤诊断的高光谱显微成像仪 | |
| EP2811890B1 (en) | Method and apparatus for tissue disease diagnosis | |
| Coole et al. | Multimodal optical imaging with real-time projection of cancer risk and biopsy guidance maps for early oral cancer diagnosis and treatment | |
| Li et al. | Computer-aided Diagnosis (CAD) for cervical cancer screening and diagnosis: a new system design in medical image processing | |
| US20200390383A1 (en) | Complex analysis system of spectrophotometry and ultrasound images and data for automatic early-stage diagnosing of malignant skin tumors | |
| US20220151544A1 (en) | Dual position scanner and integrated system for skin cancer mapping and tracking | |
| Huang et al. | Capillary detection for clinical images of basal cell carcinoma | |
| CN109700431B (zh) | 一种基于双照明模式获取睑板腺图像的装置、睑板腺图像处理方法以及系统 | |
| CN211127916U (zh) | 一种可变焦皮肤图像采集装置 | |
| Hisuin | Data Architecture and Design of in-vivo Neurosurgical Hyperspectral Image Database |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180713 |