CN112890774B - 一种基于唇部图像的疾病辅助预测系统、设备、存储介质 - Google Patents

Abstract

本发明公开一种基于唇部图像的疾病辅助预测系统、设备、存储介质，所述系统包括：预处理模块、对应关系模块、空间变换模块、互信息测度模块、梯度测度模块、综合测度模块、配准预测模块，本发明采用互信息测度和梯度测度共同组成综合测度，基于综合相似性测度函数分别进行图像配准，若配准成功，输出综合相似度最高的浮动图像以及匹配的参考图像，根据对应关系模块的对应关系确定匹配的参考图像对应的疾病，将对应的疾病作为预测结果。本发明实现了基于唇部图像的疾病预测，不需要经过复杂的临床诊断和检查即可实现疾病初步预测。

Description

一种基于唇部图像的疾病辅助预测系统、设备、存储介质

技术领域

本发明涉及疾病辅助预测系统领域，具体涉及一种基于唇部图像的疾病辅助预测系统、设备、存储介质。

背景技术

正常人的嘴唇红润，干湿适度，润滑有光。如果身体有问题，嘴唇就会出现异常变化。嘴唇能够反映一个人的整体健康状况。比如，嘴唇红色或是深红色或是紫红色，提示身体状态火比较大，舌头就像是体内能量的指示灯，当身体里的能量过多时就会因能量过盛而产生“火”。而且颜色越向着深红发展，代表着体内的火就越大；嘴唇周围的皮肤泛起一圈黑色，提示身体里还是有比较明显的湿气存在，同时多少也意味着你的肾和脾胃都开始有不足的亏虚现象出现了。现阶段尚未出现有效的基于唇部图像的疾病辅助预测系统。

发明内容

有鉴于此，本发明提出了一种基于唇部图像的疾病辅助预测系统、设备、存储介质，用于基于唇部图像实现疾病的辅助诊断与预测。

本发明第一方面，公开一种基于唇部图像的疾病辅助预测系统，包括：

预处理模块：用于采集唇部图像并进行预处理，得到参考图像和浮动图像；

对应关系模块：建立各个参考图像与对应的疾病之间的对应关系；

空间变换模块：对浮动图像进行空间变换，对空间变换后的浮动图像进行PV插值；

互信息测度模块：采用加权互信息的方法，计算各个参考图像和变换后的浮动图像的第一相似度测度函数；

梯度测度模块：采用HOG特征信息的方法，计算各个参考图像和变换后的浮动图像的第二相似度测度函数；

综合测度模块：将第一相似度测度函数和第二相似度测度函数进行加权求和，得到各个参考图像的综合相似度测度函数；

配准预测模块：用于基于综合相似性测度函数分别进行图像配准，若配准成功，输出综合相似度最高的浮动图像以及匹配的参考图像，根据对应关系模块的对应关系确定匹配的参考图像对应的疾病，将对应的疾病作为预测结果。

优选的，所述预处理模块具体包括：

采集多种正常唇部图像和异常唇部图像，对唇部图像进行去噪、增强得到多个参考图像；

获取待测唇部图像进行去噪、增强作为浮动图像；

将浮动图像分别与各个参考图像做颜色相似度比较，根据颜色相似度结果对参考图像做初步筛选，剔除与浮动图像的颜色相似度小于设定阈值的部分参考图像。

优选的，对应关系模块中，所述参考图像和疾病之间的对应关系为一对一或者一对多，当参考图像为正常唇部图像时，标记为正常。

优选的，所述互信息测度模块中，第一相似度测度函数为：

MI(R,F)为图像R、F的互信息，MI(R,F)＝H(R)+H(F)-H(R,F)，H(R,F)为图像R、F的联合熵，H(R)、H(F)分别为图像R、F的信息熵。

优选的，所述梯度测度模块具体包括：

分别提取参考图像和变换后的浮动图像的HOG特征，提取HOG特征的方式为：把图像分割为若干个像素的单元，把梯度方向平均划分为9个区间，在每个单元里面对所有像素的梯度方向在各个方向区间进行直方图统计，得到一个9维的特征向量，每相邻的4个单元构成一个块，把一个块内的特征向量联起来得到36维的特征向量，用块对样本图像进行扫描，扫描步长为一个单元，将所有块的特征串联起来，得到唇部的HOG特征。

基于唇部HOG特征计算参考图像和变换后的浮动图像的余弦相似度，将余弦相似度函数作为第二相似度测度函数。

优选的，所述配准预测模块中，通过纵横交叉优化算法进行迭代运算分别寻找最佳的变换参数，使综合相似性测度函数达到最大值。

本发明第二方面，公开一种电子设备，包括：至少一个处理器、至少一个存储器、通信接口和总线；

其中，所述处理器、存储器、通信接口通过所述总线完成相互间的通信；

所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令，以实现如本发明第一方面所述的系统。

本发明第三方面，公开一种计算机可读存储介质，所述计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机实现如本发明第一方面所述的系统。

本发明相对于现有技术具有以下有益效果：

本发明将待测唇部浮动图像进行空间变换，然后计算唇部参考图像和变换后的浮动图像的相似性测度，基于图像配准算法分别计算待配准嘴唇浮动图像与各个参考图像之间的最优综合相似度，输出综合相似度最高的浮动图像以及与上述浮动图像配准的参考图像对应的疾病名称，将所述参考图像对应的疾病名称作为待测唇部图像的疾病预测结果；

本发明借助图像配准算法实现了基于唇部图像的疾病预测，不需要经过复杂的临床诊断和检查即可实现疾病初步预测，为医护提供了较为准确的辅助预测参考。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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为本发明的基于唇部图像的疾病辅助预测系统结构示意图。

具体实施方式

下面将结合本发明实施方式，对本发明实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实施方式仅仅是本发明一部分实施方式，而不是全部的实施方式。基于本发明中的实施方式，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施方式，都属于本发明保护的范围。

如图1所示，本发明提出一种基于唇部图像的疾病辅助预测系统，所述系统包括：预处理模块1、对应关系模块2、空间变换模块3、互信息测度模块4、梯度测度模块5、综合测度模块6、配准预测模块7；

预处理模块1，用于采集唇部图像并进行预处理，得到参考图像和浮动图像；

采集多种正常唇部图像和异常唇部图像，对唇部图像进行去噪、增强得到多个参考图像；

获取待测唇部图像进行去噪、增强作为浮动图像；

将浮动图像分别与各个参考图像做颜色相似度比较，根据颜色相似度结果对参考图像做初步筛选，剔除与浮动图像的颜色相似度小于设定阈值的部分参考图像。由于基于唇部图像的疾病辅助诊断主要是基于唇部颜色不同判断疾病，因此本发明在与处理的过程中采用颜色相似度比较对样本图像进行初步筛选，剔除与待测图像颜色差别较大的图像，减少后续计算的复杂度

对应关系模块2，用于建立各个参考图像与对应的疾病之间的对应关系；，所述参考图像和疾病之间的对应关系为一对一或者一对多，当参考图像为正常唇部图像时，标记为正常。

比如，唇颜色焦枯发焦或黯红：一般为大肠病变，并伴有肩膀不松爽，口臭口疹、喉咙不畅、耳鼻不通等症状；唇苍白泛青：为大肠虚寒，泄泻、胀气、腹绞痛、不寒而栗、冷热交加等症状间或出现；唇绛红色：为胃热，并见胃痛、肢体重滞、噎呃、腹胀等症；唇苍白：为胃虚寒，会出现上吐下泻、胃部发冷、胃阵痛等症状；唇内红赤或紫绛：肝火旺，脾气急躁，胁下胀痛，吃食不下；唇内黄色：有肝炎迹象，若黯浊，肝胆一定不佳；唇色火红如赤，发烧，心火旺：呼吸道有炎症；唇色暗黑而浊者：消化系统功能失调，时见便秘、腹泻、头痛、失眠、食欲不振等；白的唇色：为血虚的特征，血液循环弱，冬天四肢冰冷发紫，若营养失调，起居不良，容易导致贫血；唇变黄而燥：脾脏分泌工作有碍，削弱免疫系统的抵抗力及辅助造血功能，很容易受感染；唇青紫：现代医学称为“紫绀”：这是机体缺氧或药物中毒的征象，常伴有面色暗红或淡青，胸闷不舒或时有刺痛，心慌气短，舌有淤斑淤点等症状；唇皲裂：是指口唇出现裂隙或裂沟，古称“唇裂肿”、“唇燥裂”，是核黄素(维生素B2)缺乏或脾胃热盛及阴虚火旺的征象；微撅起的嘴唇：易患胰腺炎；嘴唇窄小：可能有胰腺机能失调或患有糖尿病等。

空间变换模块3，用于对浮动图像进行空间变换，对空间变换后的浮动图像进行PV插值；

互信息测度模块4：采用加权互信息的方法，计算各个参考图像和变换后的浮动图像的第一相似度测度函数；

第一相似度测度函数为：

MI(R,F)为图像R、F的互信息，MI(R,F)＝H(R)+H(F)-H(R,F)，H(R,F)为图像R、F的联合熵，H(R)、H(F)分别为图像R、F的信息熵。

梯度测度模块5，用于采用HOG特征信息的方法，计算各个参考图像和变换后的浮动图像的第二相似度测度函数；

所述梯度测度模块具体用于：分别提取参考图像和变换后的浮动图像的HOG特征，提取HOG特征的方式为：把图像分割为若干个像素的单元，把梯度方向平均划分为9个区间，在每个单元里面对所有像素的梯度方向在各个方向区间进行直方图统计，得到一个9维的特征向量，每相邻的4个单元构成一个块，把一个块内的特征向量联起来得到36维的特征向量，用块对样本图像进行扫描，扫描步长为一个单元，将所有块的特征串联起来，得到唇部的HOG特征。

基于唇部HOG特征计算参考图像和变换后的浮动图像的余弦相似度，将余弦相似度函数作为第二相似度测度函数。

综合测度模块6，用于将第一相似度测度函数和第二相似度测度函数进行加权求和，得到各个参考图像的综合相似度测度函数；

配准预测模块7，用于基于综合相似性测度函数分别进行图像配准，若配准成功，输出综合相似度最高的浮动图像以及匹配的参考图像，根据对应关系模块的对应关系确定匹配的参考图像对应的疾病，将对应的疾病作为预测结果。具体可通过纵横交叉优化算法进行迭代运算分别寻找空间变换模块中最佳的变换参数，使综合相似性测度函数达到最大值。

本发明还公开一种电子设备，包括：至少一个处理器、至少一个存储器、通信接口和总线；其中，所述处理器、存储器、通信接口通过所述总线完成相互间的通信；所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令，以实现本发明前述的新生儿黄疸的智能评估系统，包括预处理模块1、对应关系模块2、空间变换模块3、互信息测度模块4、梯度测度模块5、综合测度模块6、配准预测模块7。

本发明还公开一种计算机可读存储介质，所述计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机实现本发明实施例所述的全部系统或部分系统。例如包括预处理模块1、对应关系模块2、空间变换模块3、互信息测度模块4、梯度测度模块5、综合测度模块6、配准预测模块7。所述存储介质包括：U盘、移动硬盘、只议存储器ROM、随机存取存储器RAM、磁碟或者光盘等各种可以存储程序代码的介质。

以上所描述的系统实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以分布到多个网络单元上。可以根据实际的衙要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。

以上所述仅为本发明的较佳实施方式而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (5)

1.一种基于唇部图像的疾病辅助预测系统，其特征在于，所述系统包括：

预处理模块：用于采集唇部图像并进行预处理，得到参考图像和浮动图像；所述预处理模块具体包括：

采集多种正常唇部图像和异常唇部图像，对唇部图像进行去噪、增强得到多个参考图像；

获取待测唇部图像进行去噪、增强作为浮动图像；

将浮动图像分别与各个参考图像做颜色相似度比较，根据颜色相似度结果对参考图像做初步筛选，剔除与浮动图像的颜色相似度小于设定阈值的部分参考图像；

对应关系模块：用于建立各个参考图像与对应的疾病之间的对应关系；

空间变换模块：用于对浮动图像进行空间变换，对空间变换后的浮动图像进行PV插值；

互信息测度模块：用于采用加权互信息的方法，计算各个参考图像和变换后的浮动图像的第一相似度测度函数；所述互信息测度模块中，第一相似度测度函数为：

MI(R,F)为图像R、F的互信息，MI(R,F)＝H(R)+H(F)-H(R,F)，H(R,F)为图像R、F的联合熵，H(R)、H(F)分别为图像R、F的信息熵；

梯度测度模块：用于采用HOG特征信息的方法，计算各个参考图像和变换后的浮动图像的第二相似度测度函数；所述梯度测度模块具体包括：

分别提取参考图像和变换后的浮动图像的HOG特征，提取HOG特征的方式为：把图像分割为若干个像素的单元，把梯度方向平均划分为9个区间，在每个单元里面对所有像素的梯度方向在各个方向区间进行直方图统计，得到一个9维的特征向量，每相邻的4个单元构成一个块，把一个块内的特征向量联起来得到36维的特征向量，用块对样本图像进行扫描，扫描步长为一个单元，将所有块的特征串联起来，得到唇部的HOG特征；

基于唇部HOG特征计算参考图像和变换后的浮动图像的余弦相似度，将余弦相似度函数作为第二相似度测度函数；

综合测度模块：用于将第一相似度测度函数和第二相似度测度函数进行加权求和，得到各个参考图像的综合相似度测度函数；

配准预测模块：用于基于综合相似性测度函数分别进行图像配准，若配准成功，输出综合相似度最高的浮动图像以及匹配的参考图像，根据对应关系模块的对应关系确定匹配的参考图像对应的疾病，将对应的疾病作为预测结果。

2.根据权利要求1所述基于唇部图像的疾病辅助预测系统，其特征在于，对应关系模块中，所述参考图像和疾病之间的对应关系为一对一或者一对多，当参考图像为正常唇部图像时，标记为正常。

3.根据权利要求1所述基于唇部图像的疾病辅助预测系统，其特征在于，所述配准预测模块中，通过纵横交叉优化算法进行迭代运算分别寻找配准预测模块中最佳的变换参数，使综合相似性测度函数达到最大值。

4.一种电子设备，包括：至少一个处理器、至少一个存储器、通信接口和总线；

其中，所述处理器、存储器、通信接口通过所述总线完成相互间的通信；

所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令，以实现如权利要求1～3任一项所述的系统。

5.一种计算机可读存储介质，所述计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机实现权利要求1～3任一项所述的系统。