CN112530577A - 一种智能口腔肿瘤检测系统及检测方法 - Google Patents

一种智能口腔肿瘤检测系统及检测方法 Download PDF

Info

Publication number
CN112530577A
CN112530577A CN202011383678.4A CN202011383678A CN112530577A CN 112530577 A CN112530577 A CN 112530577A CN 202011383678 A CN202011383678 A CN 202011383678A CN 112530577 A CN112530577 A CN 112530577A
Authority
CN
China
Prior art keywords
module
information
oral cavity
tumor
program
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.)
Granted
Application number
CN202011383678.4A
Other languages
English (en)
Other versions
CN112530577B (zh
Inventor
高戈
黄志军
单振锋
张肖
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Third Xiangya Hospital of Central South University
Original Assignee
Third Xiangya Hospital of Central South University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Third Xiangya Hospital of Central South University filed Critical Third Xiangya Hospital of Central South University
Priority to CN202011383678.4A priority Critical patent/CN112530577B/zh
Publication of CN112530577A publication Critical patent/CN112530577A/zh
Application granted granted Critical
Publication of CN112530577B publication Critical patent/CN112530577B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61C—DENTISTRY; APPARATUS OR METHODS FOR ORAL OR DENTAL HYGIENE
    • A61C17/00—Devices for cleaning, polishing, rinsing or drying teeth, teeth cavities or prostheses; Saliva removers; Dental appliances for receiving spittle
    • A61C17/02—Rinsing or air-blowing devices, e.g. using fluid jets or comprising liquid medication
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61C—DENTISTRY; APPARATUS OR METHODS FOR ORAL OR DENTAL HYGIENE
    • A61C17/00—Devices for cleaning, polishing, rinsing or drying teeth, teeth cavities or prostheses; Saliva removers; Dental appliances for receiving spittle
    • A61C17/16—Power-driven cleaning or polishing devices
    • A61C17/20—Power-driven cleaning or polishing devices using ultrasonics
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61C—DENTISTRY; APPARATUS OR METHODS FOR ORAL OR DENTAL HYGIENE
    • A61C19/00—Dental auxiliary appliances
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30036—Dental; Teeth

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Public Health (AREA)
  • Biomedical Technology (AREA)
  • Epidemiology (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Medical Informatics (AREA)
  • Veterinary Medicine (AREA)
  • Animal Behavior & Ethology (AREA)
  • Dentistry (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Mathematical Physics (AREA)
  • Computing Systems (AREA)
  • Software Systems (AREA)
  • Molecular Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Biophysics (AREA)
  • Radiology & Medical Imaging (AREA)
  • Quality & Reliability (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Databases & Information Systems (AREA)
  • Pathology (AREA)
  • Primary Health Care (AREA)
  • Image Analysis (AREA)

Abstract

本发明属于肿瘤检测技术领域，公开了一种智能口腔肿瘤检测系统及检测方法，所述智能口腔肿瘤检测系统包括：病例信息获取模块、支撑模块、清洗干燥模块、中央控制模块、超声检查模块、照明模块、图像采集模块、图像分析模块、色斑检测与定位模块、麻醉模块、组织获取模块、组织检测模块。本发明进行超声检查，能够实现对口腔肿瘤的初步判断，减少非口腔肿瘤患者直接进行组织检测的痛苦；通过对口腔内图像的采集和分析，实现对口腔内色斑信息的获取，对色斑区域进行组织获取和对组织进行检测，能够实现口腔肿瘤检测的准确性的提升。本发明的检测系统功能多样，能够实现对检测样本的准确获取，进行检测更方便和准确。

Description

一种智能口腔肿瘤检测系统及检测方法
技术领域
本发明属于肿瘤检测技术领域，尤其涉及一种智能口腔肿瘤检测系统及检测方法。
背景技术
目前：口腔肿瘤包括舌、口底、颊黏膜、牙龈以及磨牙后区的肿瘤，疾病早期表现为经久不愈的口腔黏膜溃疡，易于发现、却容易忽视，常当成普通的口腔溃疡去看待，错失良好的治愈时机。目前口腔科进行口腔肿瘤的检测需要取溃疡部位组织进行病理确诊，但是组织的获取会对人体带来疼痛以及口腔伤害；为减少疼痛可以进行观察实现口腔肿瘤的判断，但是这一判断需要医生经验的支持，易产生误判。目前暂无进行口腔肿瘤诊断中疼痛减轻的方式，患者检查较痛苦。
通过上述分析，现有技术存在的问题及缺陷为：目前暂无进行口腔肿瘤诊断中疼痛减轻的方式，患者检查较痛苦。
发明内容
针对现有技术存在的问题，本发明提供了一种智能口腔肿瘤检测系统及检测方法。
本发明是这样实现的，一种智能口腔肿瘤检测方法，所述智能口腔肿瘤检测方法包括以下步骤：
步骤一，通过病例信息获取模块利用病例信息获取程序从数据库中进行病例中疾病发生与初步诊断信息的获取；
所述通过病例信息获取模块利用病例信息获取程序从数据库中进行病例中疾病发生与初步诊断信息的获取，包括：
(1.1)从数据库中进行病例的获取；
(1.2)对获取的病例进行分类；
(1.3)从病例分类结果中提取疾病发生与初步诊断信息；
步骤二，通过支撑模块利用口腔支撑架进行上、下牙弓的支撑；通过清洗干燥模块利用清洗程序进行口腔内部的清洗，以及利用干燥器进行清洗后口腔的干燥；
所述利用清洗程序进行口腔内部的清洗包括：
(2.1)利用紫外杀菌灯对口腔冲洗头进行杀菌处理；
(2.2)进行不同口径的口腔冲洗头的选择，并调整口腔冲洗头的角度；
(2.3)利用口腔冲洗头对口腔进行初步冲洗；
(2.4)利用水流式超声波口腔清洗装置基于口腔口腔清洗剂对口腔进行超声震荡清洗；
(2.5)利用无菌水再次进行口腔清洗，即可；
步骤三，通过照明模块利用照明灯进行口腔内部照明；通过图像采集模块利用图像采集程序进行口腔内图像的采集；通过图像分析模块利用图像分析程序进行采集图像的分析；
所述通过图像分析模块利用图像分析程序进行采集图像的分析包括：
(3.1)获取采集的口腔图像，并确定图像分析目标；同时对对各目标进行等级划分；
(3.2)将一张口腔图像分割为牙齿图像和牙龈图像，利用深度卷积神经网络提取牙齿的特征矩阵和牙龈的特征矩阵；将所有的牙齿的特征矩阵和牙龈的特征矩阵组合一起得到口腔的融合特征；
(3.3)针对确定每个牙齿的分析目标，建立支持向量机分类模型；将所得到的融合特征输入各目标下的支持向量机分类模型，输出该目标下的等级；
(3.4)输出各支持向量机分类模型的分类结果，同时对各分类结果综合计算得到口腔综合分析结果；
步骤四，通过超声检查模块利用超声波检测仪进行肿瘤超声检查，得到口腔肿瘤信息；
步骤五，通过色斑检测与定位模块利用色斑检测程序依据病例信息和图像分析结果进行口腔内色斑的检测，以及通过定位程序对检测到的色斑进行定位；
所述通过定位程序对检测到的色斑进行定位，包括：
(5.1)对采集的图像区域进行实时学习，得到图像区域的预学习灰度值阈值；
(5.2)继续学习，实时计算图像区域的灰度值；
(5.3)当实时计算的图像区域的灰度值大于预学习灰度值阈值时，确定为色斑区域；
步骤六，通过麻醉模块利用麻醉程序对色斑定位信息确定的色斑区域注射麻醉药物进行阻滞麻醉；通过组织获取模块利用组织获取程序进行色斑区域组织的获取；通过组织检测模块利用组织检测程序进行获取组织的检测，得到肿瘤检测结果。
进一步，步骤(1.1)中，所述从数据库中进行病例的获取，包括：
1)设置信息获取参数，并将携带信息获取参数的信息获取请求发送至数据库；
2)数据库接收信息获取请求，获取信息获取请求中的信息获取参数，并基于信息获取参数在数据库中获取目标信息集合；
3)数据库设置信息反馈参数，并将目标信息集合以及信息反馈参数进行发送。
进一步，步骤(1.2)中，所述对获取的病例进行分类，包括：将获取的病例信息进行汇总，将病例信息分为疾病的发生信息、疾病的发展信息、疾病转归信息，以及检查项目、检查结果、初步诊断、治疗信息。
进一步，步骤三中，所述口腔肿瘤信息包括肿瘤囊性信息、肿瘤大小信息以及肿瘤良/恶性信息。
进一步，所述肿瘤囊性信息是依据超声波回声图进行判断。
进一步，所述肿瘤良/恶性信息是依据周界清晰度和肿瘤内光点分布的均匀与否进行判断。
进一步，步骤六中，所述获取组织的检测为从组织中提取出DNA、RNA，在显微镜下确认肿瘤细胞含量。
本发明的另一目的自安于提供一种实施所述智能口腔肿瘤检测方法的智能口腔肿瘤检测系统，所述智能口腔肿瘤检测系统包括：
病例信息获取模块、支撑模块、清洗干燥模块、中央控制模块、超声检查模块、照明模块、图像采集模块、图像分析模块、色斑检测与定位模块、麻醉模块、组织获取模块、组织检测模块；
病例信息获取模块，与中央控制模块连接，用于通过病例信息获取程序从数据库中进行病例中疾病发生与初步诊断信息的获取；
支撑模块，与中央控制模块连接，用于通过口腔支撑架进行上、下牙弓的支撑；
清洗干燥模块，与中央控制模块连接，用于通过清洗程序进行口腔内部的清洗，通过干燥器进行清洗后口腔的干燥；
中央控制模块，与病例信息获取模块、支撑模块、清洗干燥模块、超声检查模块、照明模块、图像采集模块、图像分析模块、色斑检测与定位模块、麻醉模块、组织获取模块、组织检测模块连接，用于通过主控机控制各个模块正常运行；
超声检查模块，与中央控制模块连接，用于通过超声波检测仪进行肿瘤超声检查，得到口腔肿瘤信息；
照明模块，与中央控制模块连接，用于通过照明灯进行口腔内部照明；
图像采集模块，与中央控制模块连接，用于通过图像采集程序进行口腔内图像的采集；
图像分析模块，与中央控制模块连接，用于通过图像分析程序进行采集图像的分析；
色斑检测与定位模块，与中央控制模块连接，用于通过色斑检测程序依据病例信息和图像分析结果进行口腔内色斑的检测，以及通过定位程序对检测到的色斑进行定位；
麻醉模块，与中央控制模块连接，用于通过麻醉程序对色斑定位信息确定的色斑区域注射麻醉药物进行阻滞麻醉；
组织获取模块，与中央控制模块连接，用于通过组织获取程序进行色斑区域组织的获取；
组织检测模块，与中央控制模块连接，用于通过组织检测程序进行获取组织的检测，得到肿瘤检测结果。
本发明的另一目的在于提供一种存储在计算机可读介质上的计算机程序产品，包括计算机可读程序，供于电子装置上执行时，提供用户输入接口以实施所述智能口腔肿瘤检测方法。
本发明的另一目的在于提供一种计算机可读存储介质，储存有指令，当所述指令在计算机上运行时，使得计算机执行所述智能口腔肿瘤检测方法。
结合上述的所有技术方案，本发明所具备的优点及积极效果为：本发明进行超声检查，能够实现对口腔肿瘤的初步判断，减少非口腔肿瘤患者直接进行组织检测的痛苦；通过对口腔内图像的采集和分析，实现对口腔内色斑信息的获取，对色斑区域进行组织获取和对组织进行检测，能够实现口腔肿瘤检测的准确性的提升。本发明的检测系统功能多样，能够实现对检测样本的准确获取，进行检测更方便和准确。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图做简单的介绍，显而易见地，下面所描述的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的智能口腔肿瘤检测方法的流程图。
图2是本发明实施例提供的智能口腔肿瘤检测系统的结构框图。
图3是本发明实施例提供的通过病例信息获取模块利用病例信息获取程序从数据库中进行病例中疾病发生与初步诊断信息的获取的流程图。
图4是本发明实施例提供的从数据库中进行病例的获取的流程图。
图5是本发明实施例提供的通过定位程序对检测到的色斑进行定位的流程图。
图2中：1、病例信息获取模块；2、支撑模块；3、清洗干燥模块；4、中央控制模块；5、超声检查模块；6、照明模块；7、图像采集模块；8、图像分析模块；9、色斑检测与定位模块；10、麻醉模块；11、组织获取模块；12、组织检测模块。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
针对现有技术存在的问题，本发明提供了一种智能口腔肿瘤检测系统及检测方法，下面结合附图对本发明作详细的描述。
如图1所示，本发明实施例提供的智能口腔肿瘤检测方法包括以下步骤：
S101，通过病例信息获取模块利用病例信息获取程序从数据库中进行病例中疾病发生与初步诊断信息的获取；
S102，通过支撑模块利用口腔支撑架进行上、下牙弓的支撑；通过清洗干燥模块利用清洗程序进行口腔内部的清洗，以及利用干燥器进行清洗后口腔的干燥；
S103，通过照明模块利用照明灯进行口腔内部照明；通过图像采集模块利用图像采集程序进行口腔内图像的采集；通过图像分析模块利用图像分析程序进行采集图像的分析；
S104，通过超声检查模块利用超声波检测仪进行肿瘤超声检查，得到口腔肿瘤信息；
S105，通过色斑检测与定位模块利用色斑检测程序依据病例信息和图像分析结果进行口腔内色斑的检测，以及通过定位程序对检测到的色斑进行定位；
S106，通过麻醉模块利用麻醉程序对色斑定位信息确定的色斑区域注射麻醉药物进行阻滞麻醉；通过组织获取模块利用组织获取程序进行色斑区域组织的获取；通过组织检测模块利用组织检测程序进行获取组织的检测，得到肿瘤检测结果。
如图2所示，本发明实施例提供的智能口腔肿瘤检测系统包括：
病例信息获取模块1、支撑模块2、清洗干燥模块3、中央控制模块4、超声检查模块5、照明模块6、图像采集模块7、图像分析模块8、色斑检测与定位模块9、麻醉模块10、组织获取模块11、组织检测模块12；
病例信息获取模块1，与中央控制模块4连接，用于通过病例信息获取程序从数据库中进行病例中疾病发生与初步诊断信息的获取；
支撑模块2，与中央控制模块4连接，用于通过口腔支撑架进行上、下牙弓的支撑；
清洗干燥模块3，与中央控制模块4连接，用于通过清洗程序进行口腔内部的清洗，通过干燥器进行清洗后口腔的干燥；
中央控制模块4，与病例信息获取模块1、支撑模块2、清洗干燥模块3、超声检查模块5、照明模块6、图像采集模块7、图像分析模块8、色斑检测与定位模块9、麻醉模块10、组织获取模块11、组织检测模块12连接，用于通过主控机控制各个模块正常运行；
超声检查模块5，与中央控制模块4连接，用于通过超声波检测仪进行肿瘤超声检查，得到口腔肿瘤信息；
照明模块6，与中央控制模块4连接，用于通过照明灯进行口腔内部照明；
图像采集模块7，与中央控制模块4连接，用于通过图像采集程序进行口腔内图像的采集；
图像分析模块8，与中央控制模块4连接，用于通过图像分析程序进行采集图像的分析；
色斑检测与定位模块9，与中央控制模块4连接，用于通过色斑检测程序依据病例信息和图像分析结果进行口腔内色斑的检测，以及通过定位程序对检测到的色斑进行定位；
麻醉模块10，与中央控制模块4连接，用于通过麻醉程序对色斑定位信息确定的色斑区域注射麻醉药物进行阻滞麻醉；
组织获取模块11，与中央控制模块4连接，用于通过组织获取程序进行色斑区域组织的获取；
组织检测模块12，与中央控制模块4连接，用于通过组织检测程序进行获取组织的检测，得到肿瘤检测结果。
下面结合具体实施例对本发明的技术方案作进一步说明。
实施例1
本发明实施例提供的智能口腔肿瘤检测方法如图1所示，作为优选实施例，如图3所示，步骤S101中，本发明实施例提供的通过病例信息获取模块利用病例信息获取程序从数据库中进行病例中疾病发生与初步诊断信息的获取，包括：
S201，从数据库中进行病例的获取；
S202，对获取的病例进行分类；
S203，从病例分类结果中提取疾病发生与初步诊断信息。
如图4所示，步骤S201中，本发明实施例提供的从数据库中进行病例的获取，包括：
S301，设置信息获取参数，并将携带信息获取参数的信息获取请求发送至数据库；
S302，数据库接收信息获取请求，获取信息获取请求中的信息获取参数，并基于信息获取参数在数据库中获取目标信息集合；
S303，数据库设置信息反馈参数，并将目标信息集合以及信息反馈参数进行发送。
步骤S202中，本发明实施例提供的对获取的病例进行分类，包括：将获取的病例信息进行汇总，将病例信息分为疾病的发生信息、疾病的发展信息、疾病转归信息，以及检查项目、检查结果、初步诊断、治疗信息。
实施例2
本发明实施例提供的智能口腔肿瘤检测方法如图1所示，作为优选实施例，本发明实施例提供的利用清洗程序进行口腔内部的清洗包括：
利用紫外杀菌灯对口腔冲洗头进行杀菌处理；进行不同口径的口腔冲洗头的选择，并调整口腔冲洗头的角度；利用口腔冲洗头对口腔进行初步冲洗；利用水流式超声波口腔清洗装置基于口腔口腔清洗剂对口腔进行超声震荡清洗；利用无菌水再次进行口腔清洗，即可。
实施例3
本发明实施例提供的智能口腔肿瘤检测方法如图1所示，作为优选实施例，步骤S103中，本发明实施例提供的口腔肿瘤信息包括肿瘤囊性信息、肿瘤大小信息以及肿瘤良/恶性信息。
本发明实施例提供的肿瘤囊性信息是依据超声波回声图进行判断。
本发明实施例提供的肿瘤良/恶性信息是依据周界清晰度和肿瘤内光点分布的均匀与否进行判断。
实施例4
本发明实施例提供的智能口腔肿瘤检测方法如图1所示，作为优选实施例，本发明实施例提供的通过图像分析模块利用图像分析程序进行采集图像的分析包括：
获取采集的口腔图像，并确定图像分析目标；同时对对各目标进行等级划分；将一张口腔图像分割为牙齿图像和牙龈图像，利用深度卷积神经网络提取牙齿的特征矩阵和牙龈的特征矩阵；将所有的牙齿的特征矩阵和牙龈的特征矩阵组合一起得到口腔的融合特征；针对确定每个牙齿的分析目标，建立支持向量机分类模型；将所得到的融合特征输入各目标下的支持向量机分类模型，输出该目标下的等级；输出各支持向量机分类模型的分类结果，同时对各分类结果综合计算得到口腔综合分析结果。
实施例5
本发明实施例提供的智能口腔肿瘤检测方法如图1所示，作为优选实施例，如图5所示，步骤S105中，本发明实施例提供的通过定位程序对检测到的色斑进行定位，包括：
S401，对采集的图像区域进行实时学习，得到图像区域的预学习灰度值阈值；
S402，继续学习，实时计算图像区域的灰度值；
S403，当实时计算的图像区域的灰度值大于预学习灰度值阈值时，确定为色斑区域。
实施例6
本发明实施例提供的智能口腔肿瘤检测方法如图1所示，作为优选实施例，步骤S106中，本发明实施例提供的获取组织的检测为从组织中提取出DNA、RNA，在显微镜下确认肿瘤细胞含量。
以上所述，仅为本发明较优的具体的实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，都应涵盖在本发明的保护范围之内。

Claims (10)

1.一种智能口腔肿瘤检测方法，其特征在于，所述智能口腔肿瘤检测方法包括以下步骤：
步骤一，通过病例信息获取模块利用病例信息获取程序从数据库中进行病例中疾病发生与初步诊断信息的获取；
所述通过病例信息获取模块利用病例信息获取程序从数据库中进行病例中疾病发生与初步诊断信息的获取，包括：
(1.1)从数据库中进行病例的获取；
(1.2)对获取的病例进行分类；
(1.3)从病例分类结果中提取疾病发生与初步诊断信息；
步骤二，通过支撑模块利用口腔支撑架进行上、下牙弓的支撑；通过清洗干燥模块利用清洗程序进行口腔内部的清洗，以及利用干燥器进行清洗后口腔的干燥；
所述利用清洗程序进行口腔内部的清洗包括：
(2.1)利用紫外杀菌灯对口腔冲洗头进行杀菌处理；
(2.2)进行不同口径的口腔冲洗头的选择，并调整口腔冲洗头的角度；
(2.3)利用口腔冲洗头对口腔进行初步冲洗；
(2.4)利用水流式超声波口腔清洗装置基于口腔口腔清洗剂对口腔进行超声震荡清洗；
(2.5)利用无菌水再次进行口腔清洗，即可；
步骤三，通过照明模块利用照明灯进行口腔内部照明；通过图像采集模块利用图像采集程序进行口腔内图像的采集；通过图像分析模块利用图像分析程序进行采集图像的分析；
所述通过图像分析模块利用图像分析程序进行采集图像的分析包括：
(3.1)获取采集的口腔图像，并确定图像分析目标；同时对对各目标进行等级划分；
(3.2)将一张口腔图像分割为牙齿图像和牙龈图像，利用深度卷积神经网络提取牙齿的特征矩阵和牙龈的特征矩阵；将所有的牙齿的特征矩阵和牙龈的特征矩阵组合一起得到口腔的融合特征；
(3.3)针对确定每个牙齿的分析目标，建立支持向量机分类模型；将所得到的融合特征输入各目标下的支持向量机分类模型，输出该目标下的等级；
(3.4)输出各支持向量机分类模型的分类结果，同时对各分类结果综合计算得到口腔综合分析结果；
步骤四，通过超声检查模块利用超声波检测仪进行肿瘤超声检查，得到口腔肿瘤信息；
步骤五，通过色斑检测与定位模块利用色斑检测程序依据病例信息和图像分析结果进行口腔内色斑的检测，以及通过定位程序对检测到的色斑进行定位；
所述通过定位程序对检测到的色斑进行定位，包括：
(5.1)对采集的图像区域进行实时学习，得到图像区域的预学习灰度值阈值；
(5.2)继续学习，实时计算图像区域的灰度值；
(5.3)当实时计算的图像区域的灰度值大于预学习灰度值阈值时，确定为色斑区域；
步骤六，通过麻醉模块利用麻醉程序对色斑定位信息确定的色斑区域注射麻醉药物进行阻滞麻醉；通过组织获取模块利用组织获取程序进行色斑区域组织的获取；通过组织检测模块利用组织检测程序进行获取组织的检测，得到肿瘤检测结果。
2.如权利要求1所述智能口腔肿瘤检测方法，其特征在于，步骤(1.1)中，所述从数据库中进行病例的获取，包括：
1)设置信息获取参数，并将携带信息获取参数的信息获取请求发送至数据库；
2)数据库接收信息获取请求，获取信息获取请求中的信息获取参数，并基于信息获取参数在数据库中获取目标信息集合；
3)数据库设置信息反馈参数，并将目标信息集合以及信息反馈参数进行发送。
3.如权利要求1所述智能口腔肿瘤检测方法，其特征在于，步骤(1.2)中，所述对获取的病例进行分类，包括：将获取的病例信息进行汇总，将病例信息分为疾病的发生信息、疾病的发展信息、疾病转归信息，以及检查项目、检查结果、初步诊断、治疗信息。
4.如权利要求1所述智能口腔肿瘤检测方法，其特征在于，步骤三中，所述口腔肿瘤信息包括肿瘤囊性信息、肿瘤大小信息以及肿瘤良/恶性信息。
5.如权利要求4所述智能口腔肿瘤检测方法，其特征在于，所述肿瘤囊性信息是依据超声波回声图进行判断。
6.如权利要求4所述智能口腔肿瘤检测方法，其特征在于，所述肿瘤良/恶性信息是依据周界清晰度和肿瘤内光点分布的均匀与否进行判断。
7.如权利要求1所述智能口腔肿瘤检测方法，其特征在于，步骤六中，所述获取组织的检测为从组织中提取出DNA、RNA，在显微镜下确认肿瘤细胞含量。
8.一种实施如权利要求1-7所述智能口腔肿瘤检测方法的智能口腔肿瘤检测系统，其特征在于，所述智能口腔肿瘤检测系统包括：
病例信息获取模块、支撑模块、清洗干燥模块、中央控制模块、超声检查模块、照明模块、图像采集模块、图像分析模块、色斑检测与定位模块、麻醉模块、组织获取模块、组织检测模块；
病例信息获取模块，与中央控制模块连接，用于通过病例信息获取程序从数据库中进行病例中疾病发生与初步诊断信息的获取；
支撑模块，与中央控制模块连接，用于通过口腔支撑架进行上、下牙弓的支撑；
清洗干燥模块，与中央控制模块连接，用于通过清洗程序进行口腔内部的清洗，通过干燥器进行清洗后口腔的干燥；
中央控制模块，与病例信息获取模块、支撑模块、清洗干燥模块、超声检查模块、照明模块、图像采集模块、图像分析模块、色斑检测与定位模块、麻醉模块、组织获取模块、组织检测模块连接，用于通过主控机控制各个模块正常运行；
超声检查模块，与中央控制模块连接，用于通过超声波检测仪进行肿瘤超声检查，得到口腔肿瘤信息；
照明模块，与中央控制模块连接，用于通过照明灯进行口腔内部照明；
图像采集模块，与中央控制模块连接，用于通过图像采集程序进行口腔内图像的采集；
图像分析模块，与中央控制模块连接，用于通过图像分析程序进行采集图像的分析；
色斑检测与定位模块，与中央控制模块连接，用于通过色斑检测程序依据病例信息和图像分析结果进行口腔内色斑的检测，以及通过定位程序对检测到的色斑进行定位；
麻醉模块，与中央控制模块连接，用于通过麻醉程序对色斑定位信息确定的色斑区域注射麻醉药物进行阻滞麻醉；
组织获取模块，与中央控制模块连接，用于通过组织获取程序进行色斑区域组织的获取；
组织检测模块，与中央控制模块连接，用于通过组织检测程序进行获取组织的检测，得到肿瘤检测结果。
9.一种存储在计算机可读介质上的计算机程序产品，包括计算机可读程序，供于电子装置上执行时，提供用户输入接口以实施如权利要求1-7任意一项所述智能口腔肿瘤检测方法。
10.一种计算机可读存储介质，储存有指令，当所述指令在计算机上运行时，使得计算机执行如权利要求1-7任意一项所述智能口腔肿瘤检测方法。
CN202011383678.4A 2020-12-01 2020-12-01 一种智能口腔肿瘤检测系统及检测方法 Active CN112530577B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011383678.4A CN112530577B (zh) 2020-12-01 2020-12-01 一种智能口腔肿瘤检测系统及检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011383678.4A CN112530577B (zh) 2020-12-01 2020-12-01 一种智能口腔肿瘤检测系统及检测方法

Publications (2)

Publication Number Publication Date
CN112530577A true CN112530577A (zh) 2021-03-19
CN112530577B CN112530577B (zh) 2024-04-23

Family

ID=74995776

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011383678.4A Active CN112530577B (zh) 2020-12-01 2020-12-01 一种智能口腔肿瘤检测系统及检测方法

Country Status (1)

Country Link
CN (1) CN112530577B (zh)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019110583A1 (en) * 2017-12-07 2019-06-13 Ventana Medical Systems, Inc. Deep-learning systems and methods for joint cell and region classification in biological images

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019110583A1 (en) * 2017-12-07 2019-06-13 Ventana Medical Systems, Inc. Deep-learning systems and methods for joint cell and region classification in biological images
CN111417958A (zh) * 2017-12-07 2020-07-14 文塔纳医疗系统公司 用于生物图像中的联合细胞和区域分类的深度学习系统和方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
TABASSUM YESMIN RAHMAN等: "Study of morphological and textural features for classification of oral squamous cell carcinoma by traditional machine learning techniques", 《CANCER REPORTS》, vol. 3, pages 1 - 12 *

Also Published As

Publication number Publication date
CN112530577B (zh) 2024-04-23

Similar Documents

Publication Publication Date Title
KR100869514B1 (ko) 허맥 및 실맥 진단 시스템
Montoya-Zegarra et al. AutoTube: a novel software for the automated morphometric analysis of vascular networks in tissues
CN109190540A (zh) 活检区域预测方法、图像识别方法、装置和存储介质
CN116327391A (zh) 用于通过光学相干断层扫描术来处理正畸矫正器的系统和方法
CN110503652B (zh) 下颌智齿与邻牙及下颌管关系确定方法、装置、存储介质及终端
CN109117890B (zh) 一种图像分类方法、装置和存储介质
CN108171738B (zh) 基于脑功能模板的多模态医学图像配准方法
CN109615633A (zh) 一种基于深度学习的肠镜下克罗恩病辅助诊断系统及方法
Sun et al. Application of machine learning to stomatology: a comprehensive review
CN111870230A (zh) 一种多参数肿瘤血管正常化检测系统及检测方法
JP2019208831A (ja) 歯科分析システムおよび歯科分析ｘ線システム
Liu et al. A novel accurate volumetric analysis protocol for evaluating secondary alveolar cleft reconstruction
Nie et al. OII-DS: A benchmark Oral Implant Image Dataset for object detection and image classification evaluation
CN111436972A (zh) 一种三维超声妇科疾病诊断装置
CN112530577A (zh) 一种智能口腔肿瘤检测系统及检测方法
CN112545479B (zh) 在mpMRI上分割前列腺和精囊分带解剖的系统及方法
JP7002632B2 (ja) 口腔内指標を判定するための検査方法
AU2021100224A4 (en) Intelligent oral tumor detection system and its detection methods
TWI703961B (zh) 口腔影像分析系統和方法
CN115035086A (zh) 一种基于深度学习的结核皮试智能筛查分析方法和装置
KR20130083613A (ko) 3파장 영상을 이용한 설진 영상 처리 방법
CN206120301U (zh) 一种乳腺血氧含量检测融合触感成像的装置
CN111028906A (zh) 一种快速检测组织细胞正电荷量的方法
US12033742B2 (en) Noninvasive multimodal oral assessment and disease diagnoses apparatus and method
CN109765186A (zh) 阴道微生态环境智能检测系统及智能分析方法

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
GR01 Patent grant
GR01 Patent grant