CN113223707B - 一种皮肤科疾病预筛选系统 - Google Patents

一种皮肤科疾病预筛选系统 Download PDF

Info

Publication number
CN113223707B
CN113223707B CN202110605822.2A CN202110605822A CN113223707B CN 113223707 B CN113223707 B CN 113223707B CN 202110605822 A CN202110605822 A CN 202110605822A CN 113223707 B CN113223707 B CN 113223707B
Authority
CN
China
Prior art keywords
skin
screening
module
patient
algorithm
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.)
Active
Application number
CN202110605822.2A
Other languages
English (en)
Other versions
CN113223707A (zh
Inventor
请求不公布姓名
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.)
Hangzhou Kangsheng Health Consulting Co Ltd
Original Assignee
Hangzhou Kangsheng Health Consulting Co Ltd
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 Hangzhou Kangsheng Health Consulting Co Ltd filed Critical Hangzhou Kangsheng Health Consulting Co Ltd
Priority to CN202110605822.2A priority Critical patent/CN113223707B/zh
Publication of CN113223707A publication Critical patent/CN113223707A/zh
Application granted granted Critical
Publication of CN113223707B publication Critical patent/CN113223707B/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
    • 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
    • A61B5/0077—Devices for viewing the surface of the body, e.g. camera, magnifying lens
    • 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
    • A61B5/44—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
    • A61B5/442—Evaluating skin mechanical properties, e.g. elasticity, hardness, texture, wrinkle assessment
    • 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
    • A61B5/443—Evaluating skin constituents, e.g. elastin, melanin, water
    • 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
    • A61B5/444—Evaluating skin marks, e.g. mole, nevi, tumour, scar
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • 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
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/20—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the management or administration of healthcare resources or facilities, e.g. managing hospital staff or surgery rooms
    • 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
    • G16H80/00—ICT specially adapted for facilitating communication between medical practitioners or patients, e.g. for collaborative diagnosis, therapy or health monitoring

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Pathology (AREA)
  • Physics & Mathematics (AREA)
  • Biophysics (AREA)
  • Veterinary Medicine (AREA)
  • Animal Behavior & Ethology (AREA)
  • Surgery (AREA)
  • Molecular Biology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Dermatology (AREA)
  • Data Mining & Analysis (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • General Business, Economics & Management (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Evolutionary Biology (AREA)
  • Artificial Intelligence (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本发明提供一种皮肤科疾病预筛选系统，所述预筛选系统包括身份验证模块、检测模块、存储模块、处理模块以及筛选结果模块，所述身份验证模块、检测模块以及筛选结果模块分别与处理模块电连接，所述身份验证模块用于读取患者的身份信息，所述检测模块用于获取患者的患处皮肤信息，所述处理模块用于处理病患信息并输出患病结果信息至筛选结果模块，所述筛选结果模块用于将患病结果信息传递给患者，本发明能够为患者进行疾病的预先筛选，使患者能够根据筛选结果对应科室的医生，以解决现有的皮肤病患者不能预筛选导致与主治医生的擅长领域不对应的问题。

Description

一种皮肤科疾病预筛选系统
技术领域
本发明涉及医疗技术领域，尤其涉及一种皮肤科疾病预筛选系统。
背景技术
皮肤病是发生在皮肤和皮肤附属器官疾病的总称。皮肤是人体最大的器官，皮肤病的种类不但繁多，多种内脏发生的疾病也可以在皮肤上有表现。引起皮肤病的原因很多，比如感染因素引起的皮肤病，如麻风、疥疮、真菌病、皮肤细菌感染等常常有一定的传染性，不但影响身体健康，而且引起恐慌与社会歧视，但是随着人们生活水平的提高和科学技术进步，麻风等传染病在全世界已经得到明显控制。其他引起皮肤病的内外在因素，如机械性、物理性、化学性、生物性、内分泌性、免疫性等，目前越来越受到人们的重视。
现有的皮肤病科室中，在比较出名的皮肤病医院，皮肤病也会细分很多科室，但是很多患者对于自身的病情不能预先做出判断，通常都会随便先挂一个科室，但每个医生都有擅长的领域，现有的技术中不能为患者匹配到与自身病情相贴合的领域的医生，这样会导致医院的医生资源匹配不合理，患者也不能得到有效救治。
发明内容
针对现有技术存在的不足，本发明目的是提供一种皮肤科疾病预筛选系统，能够为患者进行疾病的预先筛选，使患者能够根据筛选结果对应科室的医生，以解决现有的皮肤病患者不能预筛选导致与主治医生的擅长领域不对应的问题。
为了实现上述目的，本发明是通过如下的技术方案来实现：一种皮肤科疾病预筛选系统，所述预筛选系统包括身份验证模块、检测模块、存储模块、处理模块以及筛选结果模块，所述身份验证模块、检测模块以及筛选结果模块分别与处理模块电连接，所述身份验证模块用于读取患者的身份信息，所述检测模块用于获取患者的患处皮肤信息，所述处理模块用于处理病患信息并输出患病结果信息至筛选结果模块，所述筛选结果模块用于将患病结果信息传递给患者；
所述检测模块包括摄像头以及照明机构，所述照明机构包括rgb光照单元以及uv光照单元，所述照明机构用于切换不同光照下的拍照模式，所述摄像头在rgb光照单元工作状态下获取获取患者的第一患处皮肤图片，所述摄像头在uv光照单元工作状态下获取获取患者的第二患处皮肤图片；
所述存储模块存储有若干种皮肤病的图片、若干种皮肤病的形状结构、若干种皮肤病对应的皮肤状态参数以及若干皮肤病的匹配信息，所述形状结构包括点状图、连线图以及片状图，所述皮肤状态参数包括含水量、油脂分泌量、血丝量以及弹性值，所述皮肤病的匹配信息包括皮肤病的病因、性状、注意事项以及治疗防御手段；
所述处理模块包括比对单元、处理单元以及计算单元；
所述处理单元配置有第一处理策略、第二处理策略、第三处理策略以及第四处理策略，所述第一处理策略包括：获取第一患处皮肤图片的患处区域，然后将患处区域圈出，得出患处区域的分布结构图；
所述第二处理策略配置有第一算法，所述第二处理策略包括：获取第二患处皮肤图片中的透光亮度，将透光亮度带入第一算法中计算得到患者皮肤的油脂分泌量；
所述第三处理策略配置有第二算法，所述第三处理策略包括：获取第二患处皮肤中透光亮点占总区域的比重，将透光亮点占总区域的比重带入第二算法中计算得到患者皮肤的含水量；
所述第四处理策略包括：将第二患处皮肤图片中血丝分布区域与总区域进行比对，得到患者皮肤的血丝量；
所述第五处理策略配置有第三算法，所述第五处理策略包括：将压力值带入第三算法中计算的到患者皮肤的弹性值；
所述比对单元包括比对策略，所述比对策略包括：将第一患处图片与存储模块中的若干种皮肤病的图片进行比对，将相似度大于80％的若干图片保留，再将处理单元中得到的患处区域的分布结构图与保留图片的形状结构进行比对，最后将相似度大于80％的若干图片作为第一筛选图片；
所述计算单元配置有计算策略，所述计算策略配置有第三算法，所述计算策略包括：将处理单元中得到的患者皮肤的油脂分泌量、含水量以及血丝量和第一筛选图片中的含水量、油脂分泌量以及血丝量带入第三算法中，通过第三算法求得第一匹配值；
所述处理模块将第一匹配值输送至筛选结果模块；
所述筛选结果模块配置有筛选单元以及结果输出单元，所述筛选单元配置有筛选策略，所述筛选策略包括将第一匹配值最低的第一筛选图片作为最终的患者的患病结果；
所述结果输出单元包括将患病结果对应的皮肤病的匹配信息输出给患者。
进一步地，所述预筛选系统还包括通讯模块，所述通讯模块将患病结果对应的皮肤病的匹配信息传输给医生终端。
进一步地，所述第一算法配置为：
Figure BDA0003092441220000031
所述第二算法配置为：
Figure BDA0003092441220000032
其中，Pyz1为患者皮肤的油脂分泌量，Lt为透光亮度，Phs1为患者皮肤的含水量，Ld为透光亮点占总区域的比重，d为第一修正因子，β为第二修正因子，k1为第一转换系数，k2为第二转换系数。
进一步地，所述第三算法配置为：
Figure BDA0003092441220000033
其中，P1为第一匹配值，Phs2为第一筛选图片中的含水量，Pyz2为第一筛选图片中的油脂分泌量，Pxs2为第一筛选图片中的血丝量，Pxs1为患者皮肤的血丝量，A1为第一权重，A2为第二权重，A3为第三权重。
进一步地，所述皮肤状态参数还包括皮肤粗糙度；
所述处理模块还配置第五处理策略，所述第五处理策略包括：获取第一患处皮肤图片中的凹陷面和凸起面，将凹陷面和凸起面的面积相加并比上总面积得到患者的皮肤粗糙度。
进一步地，所述计算策略还匹配有第四算法，所述计算策略还包括：将患者皮肤的油脂分泌量、含水量、血丝量以及皮肤粗糙度和第一筛选图片中的含水量、油脂分泌量、血丝量以及皮肤粗糙度带入第四算法中，通过第四算法求得第二匹配值；
所述处理模块将第二匹配值输送至筛选结果模块；
所述筛选策略包括将第二匹配值最低的第一筛选图片作为最终的患者的患病结果。
进一步地，所述第四算法配置为：
Figure BDA0003092441220000041
其中，P2为第二匹配值，Pcc1为患者的皮肤粗糙度，Pcc2为第一筛选图片中的皮肤粗糙度，A4为第四权重。
进一步地，所述检测模块还包括压力检测机构，所述压力检测机构用于获取皮肤的反弹的压力值，所述压力检测机构包括驱动组件、电容传感器、压力传感器以及检测头，所述检测头设置为圆柱形结构，所述电容传感器设置在检测头的一端，所述压力传感器设置在检测头远离电容传感器的一端，所述电容传感器设置为圆盘结构，所述电容传感器的直径与检测头的直径相同，所述电充传感器的直径为1mm-2mm，所述驱动组件用于带动检测头进行三维方向上的移动。
进一步地，所述处理模块还配置有疖肿等级筛选单元，所述疖肿等级筛选单元配置有疖肿区域确定策略、压力检测策略以及等级计算策略；所述疖肿区域确定策略包括：识别第一患处图片中的疖肿数量，并以此圈出每个疖肿的红肿区域和尖头区域，选取红肿区域面积最大的疖肿进行压力检测；
所述压力检测策略包括：选取红肿区域中的三个点位进行压力检测，驱动组件带动检测头分别向红肿区域的三个点位靠近，当电容传感器接触到皮肤后，驱动组件继续带动检测头向患者皮肤内推进1mm-3mm，分别记录检测头到达三个点位最深处时的压力值；
所述等级计算策略配置有第五算法，所述等级计算策略包括：将疖肿数量、压力值以及红肿区域面积带入第五算法中求得疖肿等级值；当等级值小于第一阈值时，此时疖肿为第一等级；当等级值大于等于第一阈值且小于第二阈值时，此时疖肿为第二等级；当等级值大于等于第二阈值时，此时疖肿为第三等级。
进一步地，所述第五算法配置为：
Figure BDA0003092441220000051
其中，D为等级值，J为疖肿数量，Py1、Py2以及Py3分别对应三个点位的压力值，S为红肿区域面积，k3为第三转换系数，k4为第四转换系数，k5为第五转换系数。
本发明的有益效果：本发明通过对患者患处的皮肤进行检测，通过得到患处皮肤的患处区域的分布结构图、油脂分泌量、含水量、血丝量以及弹性值，在通过计算处理能够得到匹配值，通过匹配值筛选出与患者相匹配疾病的图片，能够提高皮肤病患者的疾病预筛选的准确率，进而为患者匹配到对应领域的医生提供指导，提高救治的有效性。
本发明在具体的疖肿筛选领域，能够根据疖肿的红肿区域、红肿区域的弹性以及疖肿数量求得疖肿的等级值，通过对等级值的判断，能够快速得出患者疖肿的等级，便于后续给医生一个仪器的检测建议，方便医生变盘病情发展，避免漏判错判。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：
图1为本发明的实施例一的原理框图；
图2为本发明的实施例三中的检测模块的原理框图；
图3为本发明的实施例三中处理模块的原理框图。
图中：1、预筛选系统；11、身份验证模块；12、检测模块；121、照明机构；1211、rgb光照单元；1212、uv光照单元；122、摄像头；123、压力检测机构；1231、驱动组件；1232、电容传感器；1233、压力传感器；1234、检测头；13、处理模块；131、处理单元；132、比对单元；133、计算单元；134、疖肿筛选单元；14、筛选结果模块；141、筛选单元；142、结果输出单元；15、存储模块；16、通讯模块；2、医生终端。
具体实施方式
为使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体实施方式，进一步阐述本发明。
实施例一，请参阅图1，一种皮肤科疾病预筛选系统1，所述预筛选系统1包括身份验证模块11、检测模块12、存储模块15、处理模块13以及筛选结果模块14，所述身份验证模块11、检测模块12以及筛选结果模块14分别与处理模块13电连接，所述身份验证模块11用于读取患者的身份信息，所述检测模块12用于获取患者的患处皮肤信息，所述处理模块13用于处理病患信息并输出患病结果信息至筛选结果模块14，所述筛选结果模块14用于将患病结果信息传递给患者，患者在检测时，进入到检测区域，先通过身份验证模块11进行身份识别，身份验证模块11可选用人脸识别、身份证识别或医保卡识别的方式进行认证，识别后，患者将患处皮肤漏出，通过检测模块12进行检测即可，最终的检测结果会通过筛选结果模块14示出，筛选结果模块14可选用显示屏加打印的模式，患者可选择打印患病结果和查看患病结果两种方式的组合。
所述检测模块12包括摄像头122以及照明机构121，所述照明机构121包括rgb光照单元1211以及uv光照单元1212，所述照明机构121用于切换不同光照下的拍照模式，所述摄像头122在rgb光照单元1211工作状态下获取获取患者的第一患处皮肤图片，通过rgb光照单元1211进行照射，能够得到患者皮肤表面的图片状况，所述摄像头122在uv光照单元1212工作状态下获取获取患者的第二患处皮肤图片，通过uv光照单元1212能够透过患者皮肤的表皮层，查看到皮肤内部的透光状况。
所述存储模块15存储有若干种皮肤病的图片、若干种皮肤病的形状结构、若干种皮肤病对应的皮肤状态参数以及若干皮肤病的匹配信息，所述形状结构包括点状图、连线图以及片状图，所述皮肤状态参数包括含水量、油脂分泌量、血丝量以及弹性值，所述皮肤病的匹配信息包括皮肤病的病因、性状、注意事项以及治疗防御手段。
其中，皮肤病的参数从若干患者的检测中存储得到，存储模块15包括的皮肤病信息包括以下皮肤病中的一种或多种：单纯疱疹、带状疱疹、疣、水痘、风疹、手足口病、脓疱病、毛囊炎、疖、痈、蜂窝织炎、丹毒、麻风、头癣、体股癣、手足癣、甲真菌病、花斑糠疹、马拉色菌毛囊炎、疥疮、螨皮炎、隐翅虫皮炎、虱病、虫螯伤、梅毒、淋病、尖锐湿疣、接触性皮炎、湿疹、荨麻疹；变应性皮肤血管炎、药物性皮炎、过敏性休克、日光性皮肤病、夏季皮炎、痱子、冻疮、鸡眼、手足皲裂、压疮、银屑病、单纯糠疹、玫瑰糠疹、扁平苔藓、红皮病、红斑狼疮、硬皮病、干燥综合征、皮肌炎、天疱疹、大疱性类天疱疹、黄褐斑、白癜风、文身、雀斑、色素痣、咖啡斑、黄褐斑、雀斑样痣、口周黑子、太田痣、色素性毛表皮痣、泛发黑子病、色素性玫瑰糠疹、斑痣、先天性色素痣、褶皱部网状色素异常、蒙古斑、文身、白癜风、无色素痣、离心性后天性白斑、遗传性对称性色素异常症、贫血痣、痤疮、酒渣鼻、脂溢性皮炎、斑秃、秃发、多汗症、臭汗症、鱼鳞病、毛周角化病、毛发苔藓、遗传性大疱性表皮松解症以及家族性良性慢性天疱疮。
所述处理模块13包括比对单元132、处理单元131以及计算单元133；
所述处理单元131配置有第一处理策略、第二处理策略、第三处理策略以及第四处理策略，所述第一处理策略包括：获取第一患处皮肤图片的患处区域，然后将患处区域圈出，得出患处区域的分布结构图，由于每种皮肤病的患病情况不同，导致最终呈现的患病图也不同，有的成点状、有的成片状分布、有的成带状分布，根据分布结构图可以初步进行筛选判断。
所述第二处理策略配置有第一算法，所述第二处理策略包括：获取第二患处皮肤图片中的透光亮度，将透光亮度带入第一算法中计算得到患者皮肤的油脂分泌量，透光亮度越高代表油脂分泌量越大，油脂有利于光透过。
所述第三处理策略配置有第二算法，所述第三处理策略包括：获取第二患处皮肤中透光亮点占总区域的比重，将透光亮点占总区域的比重带入第二算法中计算得到患者皮肤的含水量，透光亮点越多代表含水量越大。
所述第四处理策略包括：将第二患处皮肤图片中血丝分布区域与总区域进行比对，得到患者皮肤的血丝量，血丝分布的量能够代表皮肤的好坏程度，血丝量越多代表皮肤越健康。
所述比对单元132包括比对策略，所述比对策略包括：将第一患处图片与存储模块15中的若干种皮肤病的图片进行比对，将相似度大于80％的若干图片保留，再将处理单元131中得到的患处区域的分布结构图与保留图片的形状结构进行比对，最后将相似度大于80％的若干图片作为第一筛选图片；
所述计算单元133配置有计算策略，所述计算策略配置有第三算法，所述计算策略包括：将处理单元131中得到的患者皮肤的油脂分泌量、含水量以及血丝量和第一筛选图片中的含水量、油脂分泌量以及血丝量带入第三算法中，通过第三算法求得第一匹配值；
所述处理模块13将第一匹配值输送至筛选结果模块14；
所述筛选结果模块14配置有筛选单元141以及结果输出单元142，所述筛选单元141配置有筛选策略，所述筛选策略包括将第一匹配值最低的第一筛选图片作为最终的患者的患病结果；
所述结果输出单元142包括将患病结果对应的皮肤病的匹配信息输出给患者。
所述预筛选系统1还包括通讯模块16，所述通讯模块16将患病结果对应的皮肤病的匹配信息传输给医生终端2。
所述第一算法配置为：
Figure BDA0003092441220000091
所述第二算法配置为：
Figure BDA0003092441220000092
其中，Pyz1为患者皮肤的油脂分泌量，Lt为透光亮度，Phs1为患者皮肤的含水量，Ld为透光亮点占总区域的比重，α为第一修正因子，β为第二修正因子，k1为第一转换系数，k2为第二转换系数。
所述第三算法配置为：
Figure BDA0003092441220000093
其中，P1为第一匹配值，Phs2为第一筛选图片中的含水量，Pyz2为第一筛选图片中的油脂分泌量，Pxs2为第一筛选图片中的血丝量，Pxs1为患者皮肤的血丝量，A1为第一权重，A2为第二权重，A3为第三权重。
实施例二，在实施例二中，加入了皮肤粗糙度这一参数，能够提高筛选的准确度，所述皮肤状态参数还包括皮肤粗糙度。
所述处理模块13还配置第五处理策略，所述第五处理策略包括：获取第一患处皮肤图片中的凹陷面和凸起面，将凹陷面和凸起面的面积相加并比上总面积得到患者的皮肤粗糙度。
所述计算策略还匹配有第四算法，所述计算策略还包括：将患者皮肤的油脂分泌量、含水量、血丝量以及皮肤粗糙度和第一筛选图片中的含水量、油脂分泌量、血丝量以及皮肤粗糙度带入第四算法中，通过第四算法求得第二匹配值；
所述处理模块13将第二匹配值输送至筛选结果模块14；
所述筛选策略包括将第二匹配值最低的第一筛选图片作为最终的患者的患病结果。
所述第四算法配置为：
Figure BDA0003092441220000101
其中，P2为第二匹配值，Pcc1为患者的皮肤粗糙度，Pcc2为第一筛选图片中的皮肤粗糙度，A4为第四权重。
实施例三，请参阅图2和图3，在实施例三中，给到了疖肿这种皮肤病的具体的筛选方法，具体为：所述检测模块12还包括压力检测机构123，所述压力检测机构123用于获取皮肤的反弹的压力值，所述压力检测机构123包括驱动组件1231、电容传感器1232、压力传感器1233以及检测头1234，所述检测头1234设置为圆柱形结构，所述电容传感器1232设置在检测头1234的一端，所述压力传感器1233设置在检测头1234远离电容传感器1232的一端，所述电容传感器1232设置为圆盘结构，所述电容传感器1232的直径与检测头1234的直径相同，所述电充传感器的直径为1mm-2mm，所述驱动组件1231用于带动检测头1234进行三维方向上的移动。
由于疖肿病例的特殊性，初起为毛囊性的炎症丘疹，后逐渐增大，呈红色的硬性的结节，因此增加了压力检测，能够判断疖肿的发展周期等级，最严重时，红色的硬结最硬范围也最大。
所述处理模块13还配置有疖肿等级筛选单元141，所述疖肿等级筛选单元141配置有疖肿区域确定策略、压力检测策略以及等级计算策略；所述疖肿区域确定策略包括：识别第一患处图片中的疖肿数量，并以此圈出每个疖肿的红肿区域和尖头区域，选取红肿区域面积最大的疖肿进行压力检测。
所述压力检测策略包括：选取红肿区域中的三个点位进行压力检测，驱动组件1231带动检测头1234分别向红肿区域的三个点位靠近，当电容传感器1232接触到皮肤后，驱动组件1231继续带动检测头1234向患者皮肤内推进1mm-3mm，分别记录检测头1234到达三个点位最深处时的压力值，三个点位选取有尖头区域向红肿区域扩散的三个等距阵列的位置，能够更加真实的反应红肿区域的状况。
所述等级计算策略配置有第五算法，所述等级计算策略包括：将疖肿数量、压力值以及红肿区域面积带入第五算法中求得疖肿等级值；当等级值小于第一阈值时，此时疖肿为第一等级；当等级值大于等于第一阈值且小于第二阈值时，此时疖肿为第二等级；当等级值大于等于第二阈值时，此时疖肿为第三等级。第一等级、第二等级以及第三等级代表的疖肿患病程度依次增大。
所述第五算法配置为：
Figure BDA0003092441220000111
其中，D为等级值，J为疖肿数量，Py1、Py2以及Py3分别对应三个点位的压力值，S为红肿区域面积，k3为第三转换系数，k4为第四转换系数，k5为第五转换系数，通过第五算法求得的等级值，能够准确的反应处疖肿的等级状况，进而为医生判断提供依据。
工作原理：在具体检测过程中，患者首先通过身份验证模块11进行身份识别，然后将患处漏出在识别区域内，检测模块12能够获取患者患处皮肤的各种参数，然后处理模块13将检测到的患处皮肤的各种参数与存储模块15内存储的若干种皮肤信息进行比对和计算处理，能够得到患者的患病结果，再通过筛选结果模块14将患病结果输出给患者，患者根据输出的结果自行匹配主治医师，能够合理的利用医生资源，提高看病的效率和有效性。
最后应说明的是：以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：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，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (2)

1.一种皮肤科疾病预筛选系统，其特征在于，所述预筛选系统(1)包括身份验证模块(11)、检测模块(12)、存储模块(15)、处理模块(13)以及筛选结果模块(14)，所述身份验证模块(11)、检测模块(12)以及筛选结果模块(14)分别与处理模块(13)电连接，所述身份验证模块(11)用于读取患者的身份信息，所述检测模块(12)用于获取患者的患处皮肤信息，所述处理模块(13)用于处理病患信息并输出患病结果信息至筛选结果模块(14)，所述筛选结果模块(14)用于将患病结果信息传递给患者；
所述检测模块(12)包括摄像头(122)以及照明机构(121)，所述照明机构(121)包括rgb光照单元(1211)以及uv光照单元(1212)，所述照明机构(121)用于切换不同光照下的拍照模式，所述摄像头(122)在rgb光照单元(1211)工作状态下获取患者的第一患处皮肤图片，所述摄像头(122)在uv光照单元(1212)工作状态下获取患者的第二患处皮肤图片；
所述存储模块(15)存储有若干种皮肤病的图片、若干种皮肤病的形状结构、若干种皮肤病对应的皮肤状态参数以及若干皮肤病的匹配信息，所述形状结构包括点状图、连线图以及片状图，所述皮肤状态参数包括含水量、油脂分泌量、血丝量以及弹性值，所述皮肤病的匹配信息包括皮肤病的病因、性状、注意事项以及治疗防御手段；
所述处理模块(13)包括比对单元(132)、处理单元(131)以及计算单元(133)；
所述处理单元(131)配置有第一处理策略、第二处理策略、第三处理策略以及第四处理策略，所述第一处理策略包括：获取第一患处皮肤图片的患处区域，然后将患处区域圈出，得出患处区域的分布结构图；
所述第二处理策略配置有第一算法，所述第二处理策略包括：获取第二患处皮肤图片中的透光亮度，将透光亮度带入第一算法中计算得到患者皮肤的油脂分泌量；
所述第三处理策略配置有第二算法，所述第三处理策略包括：获取第二患处皮肤中透光亮点占总区域的比重，将透光亮点占总区域的比重带入第二算法中计算得到患者皮肤的含水量；
所述第四处理策略包括：将第二患处皮肤图片中血丝分布区域与总区域进行比对，得到患者皮肤的血丝量；
所述比对单元(132)包括比对策略，所述比对策略包括：将第一患处图片与存储模块(15)中的若干种皮肤病的图片进行比对，将相似度大于80％的若干图片保留，再将处理单元(131)中得到的患处区域的分布结构图与保留图片的形状结构进行比对，最后将相似度大于80％的若干图片作为第一筛选图片；
所述计算单元(133)配置有计算策略，所述计算策略配置有第三算法，所述计算策略包括：将处理单元(131)中得到的患者皮肤的油脂分泌量、含水量以及血丝量和第一筛选图片中的含水量、油脂分泌量以及血丝量带入第三算法中，通过第三算法求得第一匹配值；
所述处理模块(13)将第一匹配值输送至筛选结果模块(14)；
所述筛选结果模块(14)配置有筛选单元(141)以及结果输出单元(142)，所述筛选单元(141)配置有筛选策略，所述筛选策略包括将第一匹配值最低的第一筛选图片作为最终的患者的患病结果；
所述结果输出单元(142)包括将患病结果对应的皮肤病的匹配信息输出给患者；
所述第一算法配置为：
Figure FDA0003948852780000031
所述第二算法配置为：
Figure FDA0003948852780000032
其中，Pyz1为患者皮肤的油脂分泌量，Lt为透光亮度，Phs1为患者皮肤的含水量，Ld为透光亮点占总区域的比重，α为第一修正因子，β为第二修正因子，k1为第一转换系数，k2为第二转换系数；
所述第三算法配置为：
Figure FDA0003948852780000033
其中，P1为第一匹配值，Phs2为第一筛选图片中的含水量，Pyz2为第一筛选图片中的油脂分泌量，Pxs2为第一筛选图片中的血丝量，Pxs1为患者皮肤的血丝量，A1为第一权重，A2为第二权重，A3为第三权重；
所述皮肤状态参数还包括皮肤粗糙度；
所述处理模块(13)还配置第五处理策略，所述第五处理策略包括：获取第一患处皮肤图片中的凹陷面和凸起面，将凹陷面和凸起面的面积相加并比上总面积得到患者的皮肤粗糙度；
所述计算策略还匹配有第四算法，所述计算策略还包括：将患者皮肤的油脂分泌量、含水量、血丝量以及皮肤粗糙度和第一筛选图片中的含水量、油脂分泌量、血丝量以及皮肤粗糙度带入第四算法中，通过第四算法求得第二匹配值；
所述处理模块(13)将第二匹配值输送至筛选结果模块(14)；
所述筛选策略包括将第二匹配值最低的第一筛选图片作为最终的患者的患病结果；
所述第四算法配置为：
Figure FDA0003948852780000034
其中，P2 为第二匹配值，Pcc1为患者的皮肤粗糙度，Pcc2为第一筛选图片中的皮肤粗糙度，A4为第四权重；
所述检测模块(12)还包括压力检测机构(123)，所述压力检测机构(123)用于获取皮肤的反弹的压力值，所述压力检测机构(123)包括驱动组件(1231)、电容传感器(1232)、压力传感器(1233)以及检测头(1234)，所述检测头(1234)设置为圆柱形结构，所述电容传感器(1232)设置在检测头(1234)的一端，所述压力传感器(1233)设置在检测头(1234)远离电容传感器(1232)的一端，所述电容传感器(1232)设置为圆盘结构，所述电容传感器(1232)的直径与检测头(1234)的直径相同，所述电容 传感器的直径为1mm-2mm，所述驱动组件(1231)用于带动检测头(1234)进行三维方向上的移动；
所述处理模块(13)还配置有疖肿等级筛选单元(141)，所述疖肿等级筛选单元(141)配置有疖肿区域确定策略、压力检测策略以及等级计算策略；所述疖肿区域确定策略包括：识别第一患处图片中的疖肿数量，并以此圈出每个疖肿的红肿区域和尖头区域，选取红肿区域面积最大的疖肿进行压力检测；
所述压力检测策略包括：选取红肿区域中的三个点位进行压力检测，驱动组件(1231)带动检测头(1234)分别向红肿区域的三个点位靠近，当电容传感器(1232)接触到皮肤后，驱动组件(1231)继续带动检测头(1234)向患者皮肤内推进1mm-3mm，分别记录检测头(1234)到达三个点位最深处时的压力值；
所述等级计算策略配置有第五算法，所述等级计算策略包括：将疖肿数量、压力值以及红肿区域面积带入第五算法中求得疖肿等级值；当等级值小于第一阈值时，此时疖肿为第一等级；当等级值大于等于第一阈值且小于第二阈值时，此时疖肿为第二等级；当等级值大于等于第二阈值时，此时疖肿为第三等级；
所述第五算法配置为：
Figure FDA0003948852780000051
其中，D为等级值，J为疖肿数量，Py1、Py2以及Py3分别对应三个点位的压力值，S为红肿区域面积，k3为第三转换系数，k4为第四转换系数，k5为第五转换系数。
2.根据权利要求1所述的一种皮肤科疾病预筛选系统，其特征在于，所述预筛选系统(1)还包括通讯模块(16)，所述通讯模块(16)将患病结果对应的皮肤病的匹配信息传输给医生终端(2)。
CN202110605822.2A 2021-05-31 2021-05-31 一种皮肤科疾病预筛选系统 Active CN113223707B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110605822.2A CN113223707B (zh) 2021-05-31 2021-05-31 一种皮肤科疾病预筛选系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110605822.2A CN113223707B (zh) 2021-05-31 2021-05-31 一种皮肤科疾病预筛选系统

Publications (2)

Publication Number Publication Date
CN113223707A CN113223707A (zh) 2021-08-06
CN113223707B true CN113223707B (zh) 2023-04-18

Family

ID=77081986

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110605822.2A Active CN113223707B (zh) 2021-05-31 2021-05-31 一种皮肤科疾病预筛选系统

Country Status (1)

Country Link
CN (1) CN113223707B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114155932B (zh) * 2021-12-07 2022-12-27 中南大学湘雅二医院 基于大数据预防硬皮病患者手足肢体坏死的康复理疗系统

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112396573A (zh) * 2019-07-30 2021-02-23 纵横在线(广州)网络科技有限公司 基于图像识别的面部皮肤分析方法及系统

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8109875B2 (en) * 2007-01-03 2012-02-07 Gizewski Theodore M Derma diagnostic and automated data analysis system
CN104490361A (zh) * 2014-12-05 2015-04-08 深圳市共创百业科技开发有限公司 基于网络医院的皮肤病远程筛查系统及方法
CN107423573A (zh) * 2017-08-12 2017-12-01 合肥全飞信息科技有限公司 一种皮肤病识别手机app设计方法
CN108091394A (zh) * 2018-01-17 2018-05-29 中南大学湘雅三医院 一种诊断脱色素性皮肤病的系统
CN108597604B (zh) * 2018-05-11 2021-10-26 广西大学 一种基于云数据库的色素障碍性皮肤病分类专家系统
CN109064465A (zh) * 2018-08-13 2018-12-21 上海试美网络科技有限公司 一种基于uv光与自然光的皮肤特征融合标记方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112396573A (zh) * 2019-07-30 2021-02-23 纵横在线(广州)网络科技有限公司 基于图像识别的面部皮肤分析方法及系统

Also Published As

Publication number Publication date
CN113223707A (zh) 2021-08-06

Similar Documents

Publication Publication Date Title
Navarrete-Dechent et al. Automated dermatological diagnosis: hype or reality?
JP6785307B2 (ja) 組織分類システム
RU2441277C2 (ru) Устройство и способ для измерения фотоповреждения кожи
Escudero et al. Machine learning-based method for personalized and cost-effective detection of Alzheimer's disease
Markowitz et al. Evaluation of optical coherence tomography as a means of identifying earlier stage basal cell carcinomas while reducing the use of diagnostic biopsy
ES2960027T3 (es) Detección de anomalías en las señales de ECG
Syed et al. Computationally generated cardiac biomarkers for risk stratification after acute coronary syndrome
CN113223707B (zh) 一种皮肤科疾病预筛选系统
JP2015144909A (ja) 指先またはつま先の周囲の光度からの局所的生理学的ステータス
Brehmer et al. Strategies for early recognition of cutaneous melanoma—present and future
Aggarwal et al. Applications of multispectral and hyperspectral imaging in dermatology
Xing et al. An artifact-resistant feature SKNAER for quantifying the burst of skin sympathetic nerve activity signal
WO2022169850A1 (en) Methods of treating deep and early-stage pressure induced tissue damage
McNeil et al. Artificial intelligence recognition of cutaneous chronic graft-versus-host disease by a deep learning neural network
Padilla-Medina et al. Assessment technique for acne treatments based on statistical parameters of skin thermal images
Raff et al. Diffuse reflectance spectroscopy with infrared thermography for accurate prediction of cellulitis
Nishino et al. Detection and visualization of intracutaneous allergic type‐specific elements using long‐wavelength near‐infrared hyperspectral imaging
CN109350009A (zh) 一种基于人脸的健康监控手机
Malihi et al. Automatic Wound Type Classification with Convolutional Neural Networks.
Wu et al. Quantitative Assessment of Age-Dependent Changes in Porphyrins from Fluorescence Images of Ultraviolet Photography by Image Processing
CN112137625A (zh) 一种基于血糖旋光角度检测的无创血糖仪
Garcia et al. Non-invasive diabetes detection using facial texture features captured in a less restrictive environment
Soto et al. Evaluating the growth of eyelid lesions: comparison of clinical evaluation and a software-based model
Zhang et al. Application of hyperspectral imaging and band selection for supervised classification of small intestinal tissues
Wang Computer-aided diagnosis of skin cancer with deep learning: addressing the challenges of practical applications

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20230327

Address after: 310000 Room 401, building 4, No. 998, Wenyi West Road, Wuchang Street, Yuhang District, Hangzhou City, Zhejiang Province

Applicant after: HANGZHOU KANGSHENG HEALTH MANAGEMENT CONSULTING Co.,Ltd.

Address before: 312000 No. 1423, Renmin East Road, Gaobu Street, Yuecheng District, Shaoxing City, Zhejiang Province

Applicant before: Huang Daya

GR01 Patent grant
GR01 Patent grant